3D CT 是临床信息最密集的影像模态之一，但通用视觉语言模型在体数据上的表现仍然有限，多数开放医学模型也缺少放射科医生所需的多步对话深度。NVIDIA 推出 NV-Reason-CT，把思维链推理扩展到完整 3D CT 体数据，可生成结构化诊断报告、模拟放射科医生的阅片思路，并支持胸部与腹部的多轮追问。
单次腹部 CT 检查可能包含 300 至 600 层轴位图像。把体数据拆成独立 2D 帧处理，会丢失定义肿块、积液与浸润等结构所依赖的层间空间关系。NV-Reason-CT 采用完整 3D 视觉 Transformer 编码器，将 CT 体积作为真正的三维输入，保留穿层解剖连续性；语言模型部分则按系统回顾解剖区域、记录正常与异常、权衡鉴别诊断、表达不确定性的顺序组织推理。
训练分为两个阶段。第一阶段用约 55 万个结构化问答样本做监督微调，数据覆盖 CT-RATE、NIH CT 数据集与 CancerVerse，并加入放射科专家逐区域的思维链标注以及以大模型蒸馏、专家标注为锚点的合成推理数据。第二阶段用 GRPO 强化学习优化推理质量，奖励函数按解剖区域分别评估异常与诊断准确性，而不是只给一个全局信号。
评测本体覆盖 30 种胸部异常与 29 种腹部异常。在 3D CT 理解的主要公开基准 CT-RATE 上，NV-Reason-CT 的宏 F1 为 0.614、宏 AUROC 为 0.871，高于 VoxelFM 的 0.581/0.870、Pillar-0 的 0.544/0.861、ClinFusion-8B 的 0.442，以及 CT-CLIP 的 0.398/0.733 与 Merlin 的 0.358/0.662。NVIDIA 称，这是首个同时在 CT 分类与报告生成上具备竞争力的单一开放模型。
模型定位是研究与开发基础，并非自主诊断系统，也不是已获批的临床产品。NIH 放射科医生对结构化报告质量与推理链的临床合理性进行了评审，认为可读的推理过程让结论能够被审计，而不只是给出一个标签。对临床团队而言，这意味着可以在数秒内得到覆盖 60 多种异常的报告草稿，再逐段核对与修改。
模型检查点已在 Hugging Face 发布，GitHub 仓库提供推理脚本、训练配置与后训练配方，配套模型还包括用于生成与分割的 NV-Generate-CTMR、NV-Segment-CTMR。Aidoc、HOPPR、Rad AI、Mosaic Clinical Technologies 与 Raidium 等医学影像公司，可在此基础上针对具体临床工作流做后训练与集成。
WeChat
Profile