多模态大语言模型时代的体积影像放射学AI

2026年8月arXiv发表了一篇综述，探讨多模态大语言模型在体积影像放射学中的应用。该综述分析了200多篇文献，提出了原生体积建模与智能体编排等方案，并引入Claim-Design-Validation框架以评估临床适配性。

此前放射学AI多基于任务特定图像分析，难以处理完整的3D影像上下文。该综述系统梳理了MLLM在体积影像中的表示与推理路径，区分了2D视图或文本中介推理与原生体积建模的适用场景，为开发更贴合临床的影像AI提供了方向。

临床放射学常需完整体积的空间信息和采集相关的定量信息，而现有MLLM多基于2D图像或文本。为弥合这一表示不匹配，综述提出在模型层保留3D信息的体积基础模型，在系统层通过智能体编排整合规划、工具、记忆和工作流交互，并强调需验证技术、工作流与临床声明是否匹配。

对影像AI产品，若采用原生体积建模，可提升对3D数据的理解能力，但可能增加计算成本与模型复杂度；智能体编排则能增强工作流集成，但需验证其在实际临床环境中的稳定性与可靠性。

• 开发支持原生3D输入的体积基础模型，用于肺结节或器官分割等场景。
• 构建影像AI智能体，整合PACS等工具，实现报告生成与自动质检。
• 设计验证框架，帮助团队评估AI产品在临床工作流中的适配性。
• 探索2D视图与文本推理的轻量方案，降低计算成本并快速落地。

• 原生体积建模相较于2D方法在实际临床任务中的性能增益是否足够显著？
• 智能体编排系统在临床部署中的稳定性和安全性如何？
• 体积基础模型的计算成本是否限制了其在资源受限环境的实际应用？
• 综述中提到的200篇文献是否包含足够多的实证研究来支持其结论？