结构化视觉证据分解，用于阻塞性睡眠呼吸暂停低通气综合征的循证多模式筛查

对阻塞性睡眠呼吸暂停低通气综合征 (OSAHS) 进行有效的多导睡眠图前筛查需要将临床危险因素与可见的颅面和颈部线索相结合。直接提示用于医疗是/否决策的通用多模态基础模型可能会产生不稳定、校准不良的输出。我们提出了 EviOSAHS，一种以证据为基础的多模态推理框架，它将仅图像解剖证据的获取与最终的临床裁决分开。每个正面面部图像被分解为七个固定的解剖查询，涵盖颈部、下巴、嘴巴、面部/颈部脂肪、下颌、中面部和鼻子。视觉反应被转换成结构化证据卡，记录目标解剖结构、可见性、风险方向、证据强度、置信度和简明摘要。这些卡仅在最后阶段与经过清理的临床资料相结合，其中 大语言模型 执行平衡的二元筛选裁决。我们对 642 名受试者队列进行了 EviOSAHS 评估，将正常受试者映射到筛查阴性，将轻度、中度或重度 OSAHS 受试者映射到筛查阳性。 EviOSAHS 的准确度为 88.47%，灵敏度为 94.86%，F1 分数为 93.74%，假阴性率为 5.14%，优于统一方案下的纯临床提示、直接多模式提示和简单的两阶段流程。消融表明，七个问题视觉分解和平衡的最终裁决对于高灵敏度操作点至关重要。对 4,494 个视觉输出的问题级审计显示出 100% 的结构化解析率和 93.88% 的高可见率。 EviOSAHS 为二元多导睡眠图前 OSAHS 筛查提供了可审核的高灵敏度工作流程，但应将其视为分诊助手而不是诊断系统。在临床部署之前需要进行前瞻性验证、外部测试和校准工作点控制。