论文
ARISE：自适应Agentic推理与基于图像的自我评估，用于可解释的 IBD 评估
ARISE: Adaptive Agentic Reasoning with Image-grounded Self-Evaluation for Interpretable IBD Assessment
摘要
炎症性肠病 (IBD) 需要频繁的基于影像的评估，但对无线胶囊内窥镜 (WCE) 和肠道超声等模式的解释仍然严重依赖于专业知识。视觉语言模型 (VLM) 在多模态医学图像分析中表现出巨大的潜力，但其临床应用受到特定领域推理不足、容易产生幻觉、细粒度诊断中高质量训练数据稀缺以及可解释性有限等因素的阻碍。我们引入了 ARISE（基于图像的自我评估的自适应Agentic推理），这是一种自主规划框架，它将少样本医学图像理解建模为连续的Agentic工作流程。 ARISE 将智能体执行构建为透明的 5 阶段工作流程：假设生成、基于图像的证据总结、证据条件细化、符号验证和最终诊断。我们将 ARISE 用于两个独立患者队列的 IBD 评估：克罗恩病的无线胶囊内窥镜 (WCE) 图像和溃疡性结肠炎的 B 型超声数据。 ARISE 持续改进基线VLM的诊断性能，同时揭示推理成功或失败的地方，为临床决策支持和实际部署提供更可解释的基础。
