CineMR：面向定量心脏 MRI 评估的工具集成视觉语言推理

研究者提出 CineMR，一个可调用心脏图像分析工具并将结果融入推理过程的视觉语言模型，用于定量心脏 MRI 评估。团队同时构建多队列视觉问答基准，覆盖定量指标提取、多分类诊断与鉴别诊断，并提供分割、时相选择、容积测量、形态测量和局部室壁运动分析工具。CineMR 经 SFT 与 GRPO 训练后，在该基准上达到 35.9% pass@1 和 58.9% pass@4，而骨干 Qwen3-VL-8B 仅 1.5% pass@1。

此前医学视觉语言模型难以从多维 cine 图像中直接得出定量测量结果，多停留在定性描述。该工作把外部分析工具接入推理链路，并给出多队列基准和量化对比，使医学 VLM 从“看图说话”向可核验的数值评估推进，并显示工具调用能力可被训练显著提升。

机制是先让模型在工具交互轨迹上做监督微调，学会何时调用分割、时相选择、容积与形态测量等工具，再用 GRPO 配合条件工具使用奖励优化调用策略；工具返回的实时结果被嵌入交错推理，从而把模型不擅长的精确计算外包给确定性算法，模型专注选择工具与整合结论。

对医疗影像产品而言，可验证路径是把 LLM/VLM 作为调度层，把测量交给成熟算法模块，降低对模型直接回归数值的依赖；评测上需要区分模型自身能力与工具增益，例如证据显示移除全部工具后 pass@1 从 35.9% 降至 27.9%；研发重点转向工具接口设计、调用正确率与结果融合，而非单纯放大模型。

• 在心脏 MRI 报告辅助产品中，把分割、容积和室壁运动工具封装为可调用 API，由模型负责编排与结果解释。
• 构建面向工具调用的医学基准与奖励设计，用于评估和迭代自家 VLM 的调用正确率，而非只看最终答案。
• 针对工具调用失败的场景设计人工复核与降级流程，把模型预测与工具测量结果并列展示给医生确认。

• 该基准和工具是否公开，能否在外部数据上复现 35.9% pass@1。
• 工具调用正确率 99.8% 是在何种测试集与判定标准下测得。
• CineMR 在真实临床工作流中的延迟、成本和医生接受度尚无证据。
• 与专用心血管测量软件相比，其定量测量误差范围是否满足临床要求。