UniRG：多模态强化学习在医学影像报告生成中的突破性应用
Microsoft Research Blog2026/01/28 01:00机翻/自动摘要/自动分类
3 阅读
内容评分
技术含量
9/10
营销水分
7/10
摘要
UniRG 是一种基于多模态强化学习的医学影像报告生成框架，通过结合监督微调与强化学习，提升了模型在临床环境中的泛化能力和可靠性。UniRG-CXR 在多个数据集和指标上表现领先，尤其在跨机构和纵向报告生成方面具有显著优势，为医疗AI的实用化提供了新方向。
正文
微软提出了一种名为 UniRG 的医学影像报告生成框架，该框架结合监督与强化学习，旨在提升模型在临床环境中的可靠性和泛化能力。UniRG-CXR 是基于该框架开发的先进模型，利用来自 80 多家医疗机构的 56 万份研究、78 万张图像和 22.6 万名患者的数据进行训练。该模型在多个关键指标上表现优异，包括报告质量、疾病诊断准确性、跨机构泛化能力以及纵向报告生成能力。通过强化学习优化临床相关的奖励信号，UniRG-CXR 能够更准确地捕捉临床事实，减少错误，并在未见过的数据集上保持稳定性能。此外，该框架展示了在不同患者子群体（如年龄、性别、种族）中的稳健性，为医学AI的规模化应用提供了重要基础。