Med-AR：面向长尾胸片分类与不确定性评估的自回归视觉语言预训练

研究提出 Med-AR-8B 与 Med-AR-2B 两个放射学原生自回归视觉语言模型，用结构化报告、聚焦异常的文本和区域标注进行预训练。作者将其视觉编码器迁移到多标签分类，与 Med-CLIP、CheXFound、EVA-Base、ARK、BioViL-T 对比，并使用统一 ML-Decoder 分类头。在 PadChest、MIMIC-CXR、CheXpert 上，Med-AR 变体在各流行率分组取得最高平均 AUROC 与 AUPRC；MIMIC-CXR 尾部标签平均 AUPRC 从 0.1033 升至 0.1441。

此前长尾胸片分类多依赖对比学习或自监督编码器，尾部罕见病变识别与选择性预测表现有限。该工作给出统一评测协议下的编码器对比，显示自回归预训练在头部、中部和尾部标签的排序指标上可超过 Med-CLIP，并降低风险-覆盖率曲线超额面积。

机制上，模型不只用图文对比对齐，而是以自回归方式在结构化报告、异常相关文本和区域标注上联合建模，使视觉编码器学到更细粒度的区域与描述对应关系，从而在标签稀少的长尾分组中保留判别信号；统一分类头与统一评测协议用于隔离预训练方式本身的贡献。

若结论可复现，医疗影像产品在罕见病变提示和低置信度转人工流程上可采用此类编码器，减少尾部标签漏检并改善拒识策略；研发上需评估 8B 与 2B 两档的推理成本、部署可行性与现有 ML-Decoder 流程的替换代价。

• 在胸片辅助诊断产品中，用 Med-AR-2B 编码器替换现有对比学习编码器，先在小流量尾部病变场景做 A/B 验证。
• 基于风险-覆盖率曲线结果，为低置信度样本设计自动转人工复核的产品流程。
• 引入 LLM 扩展的报告派生标签集，扩充自有数据集的长尾评测基准。

• 内部结果与公开结果不一致，Med-CLIP 在整体与尾部 AUPRC 上仍有优势，需确认适用边界。
• 未在证据中说明推理延迟、显存占用和训练数据规模，部署成本尚不明确。
• 与 Med-CLIP 等方法对比时是否完全公平，缺少独立复现。
• LLM 扩展标签集的质量与临床有效性尚未验证。