RadThinking：放射学纵向临床推理数据集

癌症筛查是一项推理任务。放射科医生观察结果，将其与之前的扫描进行比较，整合临床背景，并得出经病理学证实的诊断结论。我们提出了 RadThinking，一个视觉问答 (VQA) 数据集，它使这种推理变得明确且可训练。 RadThinking 发布了三个难度级别的 VQA 对。基础 VQA 是原子感知问题。单步推理 VQA 应用一条临床规则。组合 VQA 需要多步骤的思路才能达到 LI-RADS-5 等指南类别。对于每个组合 VQA，我们都会发布解决该问题的基础 VQA 链。该连锁店遵循临床报告管理标准的规则。该数据集涵盖 43 个癌症组的 9,131 名患者的 20,362 次 CT 扫描，以及 2,077 名经过验证且随访时间超过 1 年的健康对照者。据我们所知，RadThinking 是第一个癌症筛查 VQA 语料库，它通过推理深度和临床报告标准中的基础成分对问题进行分层。基础层提供原子感知监督。组合层为 DeepSeek-R1 和 OpenAI o1 等强化学习方法提供思想链数据和可验证的奖励。 RadThinking 能够系统地训练和评估人工智能系统是否能够推理癌症，而不仅仅是检测癌症。