STRIVE：面向纵向放射报告生成的多智能体结构化时序推理与集成验证

纵向放射学报告生成（LRRG）要求同时识别当前征象及其相对既往检查的变化。现有方法在隐式表示中联合建模诊断、属性估计、时序比较和语言生成，这会造成任务相互干扰、掩盖每个决策背后的证据，并限制错误的可追溯性。这些方法还将进展状态建模为独立标签，忽略其有序结构，从而把漏检变化和方向颠倒同等对待。我们提出STRIVE——面向LRRG的多智能体结构化时序推理与集成验证方法，将临床推理分解为专门的诊断、属性和时序变化智能体，产出显式的中间证据。其中，时序变化智能体进一步通过Progression-Aware GRPO进行后训练，这是一种可验证的塑形奖励，对保持方向的错误给予部分得分，而对方向颠倒打最低分。STRIVE在两个阶段执行验证：确定性的一致性门（Consistency Gate）在报告生成前协调各智能体输出，验证智能体则检查生成的报告是否有汇总的临床证据支撑。在Longitudinal-MIMIC上，STRIVE在近期方法中取得最佳临床效果，其纵向变化一致性（LCC，衡量与参考报告时序一致性的指标）超过最强基线一倍以上。