[AI学术] NeoRed：面向新生儿呼吸疾病诊断的知识‑逻辑‑对齐多模态大语言模型

新生儿呼吸系统疾病是导致新生儿发病率和死亡率的主要因素，临床诊断面临巨大挑战。现有的多模态大语言模型（MLLM）主要基于成人数据，导致两大局限：①领域差距；②对多维临床信息的整合不足。

为此，作者收集了两套真实临床数据集 NeoCXR 与 NeoCXR‑EV，并提出了 NeoRed——首个专为新生儿呼吸疾病设计的 MLLM，填补了新生儿诊断报告生成的空白。

为实现异构临床信息与胸片的联合诊断，论文设计了 Knowledge‑Logic‑Alignment（KLA）框架，从三方面约束模型行为：

1. Knowledge Prior Injection (KPI)：将新生儿专科医师的诊断先验注入多模态表征，引导模型在不同模态上关注疾病相关特征；
2. Diagnostic Logic Constraint (DLC)：通过对生成报告的语义与多模态诊断逻辑对齐，确保报告的推理过程符合医学逻辑；
3. Visual Semantic Alignment (VSA)：建立视觉特征与影像结论之间的语义对应，提升模型对胸片信息的利用率。

实验在 NeoCXR 上显示，NeoRed 能生成高质量诊断报告，ROUGE‑L 达到 53.29%，临床效能 F1 为 65.19%，显著优于现有 MLLM。同时，模型在成人基准 MIMIC‑CXR 与 IU‑Xray 上仍保持竞争力。数据集将在申请后提供。

点评