MedFM-Robust：医学基础模型稳健性基准测试

医学基础模型已经取得了卓越的临床表现，但其在现实世界扰动下的鲁棒性仍未得到充分探索。我们提出了一个鲁棒性基准，包括 8 种成像模式的 40 种扰动类型（12 种基础扰动，28 种医疗特定扰动类型），在 VQA、视觉基础和字幕方面评估了 5 个 VLM（LLaVA-Med、MedGemma、MedGemma-1.5、Gemini-2.5-flash 和 GPT-4o-mini），以及两个分割模型（MedSAM、SAM-Med2D），其中包含五个微调 策略。我们的研究结果表明：(1) 微调 策略在鲁棒性方面占主导地位，LoRA 的性能下降几乎是完整 微调 的两倍，而 SAM-Med2D 的适配器提供了有利的效率与鲁棒性权衡。 (2) 医疗特定扰动不成比例地损害分割，15 个顶级损坏中有 9 个是特定领域的。 (3) LoRA 调整的视觉基础下降超过 40 点，而零镜头字幕保持稳定（下降 <7%）。零样本 VQA 显示了模型相关的稳健性——医学模型下降了 20% 以下，而 Gemini-2.5-flash 下降了 54%。通用 VLM 实现了更高的 VQA 精度，但视觉定位失败；在医疗 VLM 中，MedGemma 表现出最好的整体稳定性。这些结果提供了部署指南，并强调了对医疗人工智能进行特定领域稳健性评估的必要性。我们的代码位于：https://abnerai.github.io/MedFM-Robust。