Checkup2Action：用于生成面向患者的行动卡的多模式临床检查报告数据集

常规临床检查报告结合了实验室测量、生理评估、影像学结果和视觉结构化信息，但很少告诉患者下一步该做什么。将它们转化为后续行动需要模型将跨页面、表格和模式的证据联系起来，识别临床相关问题，并在没有不受支持的诊断或治疗主张的情况下传达后续步骤。然而，这种从报告到行动的能力仍然没有达到很好的基准。我们引入了 C2A（一个用于从多模式检查报告生成结构化 \textit{Action Cards} 的数据集和基准）以及 Checkup2Action（该任务的受限工作流程）。 C2A 包含 2,000 份未识别身份的真实世界报告，涵盖体检、实验室测试、心血管评估和影像证据。每张卡片都指定一个问题、其优先级、推荐科室、随访窗口、面向患者的解释以及临床医生的问题。我们的评估衡量问题覆盖率和精度、优先级一致性、部门和时间准确性、操作复杂性、有用性、可读性和安全性。通用和医疗 大语言模型 的实验表明，没有模型在每个维度上都表现最佳。临床专家认为84%的评估结果完全合理有效。消除安全约束将问题召回率从 0.527 增加到 0.825，但产生了更多的诊断夸大。因此，C2A 支持对覆盖范围、可行指导和安全患者沟通之间的平衡进行系统研究。