AI 秀

MedRAX 是一款专注于胸部X光（CXR）分析的医学推理AI智能体，由加拿大安大略省多伦多大学、多伦多大学健康网络（UHN）和多伦多向量研究所（Vector Institute）联合开发。它整合了多种最先进的分析工具和多模态大型语言模型，能够动态处理复杂的医疗查询，无需额外训练即可运行。
MedRAX核心功能在于通过动态调度机制，无需重新训练即可协调影像分类器、病变分割模型、文本生成系统等异构工具，完成从基础病变识别到多维度鉴别诊断的全链条分析。

核心功能

• 多模态医学推理：结合图像和文本信息，进行精准诊断。
• 多步骤推理支持：将复杂的医疗查询分解为多个子任务，逐一解决。
• 强大的工具集成：集成了多种工具，如视觉问答（CheXagent和LLaVA-Med）、图像分割（MedSAM和PSPNet）、病变定位（Maira-2）、报告生成（SwinV2 Transformer）、疾病分类（DenseNet-121）以及X光生成（RoentGen）等。
• 用户友好界面：通过Gradio构建了生产级的用户界面，支持本地和云端部署。
• 性能验证：通过ChestAgentBench基准测试，MedRAX在2500个复杂医疗查询中表现出色，覆盖检测、分类、定位等多个核心能力。

优势

• 无需额外训练：能够直接利用现有的多模态模型处理复杂的医学查询。
• 透明的工作流程：便于医疗专业人员理解和验证。
• 灵活的部署方式：支持本地和云端部署，满足不同医疗场景下的隐私和安全需求。

如何使用

MedRAX 是开源的，其代码和数据已经在GitHub上公开发布。用户可以自由访问、下载和使用其代码，进行研究或实际应用。
 

• 项目主页：https://bowang-lab.github.io/MedRAX/]
• GitHub仓库：https://github.com/bowang-lab/MedRAX]

应用场景

• 复杂器械识别：通过联合调用影像标记工具与解剖结构数据库，在胸部导管定位任务中准确率达96.7%，显著优于单模型系统（81.2%）
• 多阶段鉴别诊断：针对气胸与肺炎的影像鉴别，采用分阶段分析策略——先通过分割模型量化肺野透亮度，再结合病历文本进行时态分析，诊断符合率提升34%
• 紧急处置支持：在气胸程度评估场景中，整合容积测量算法与血流动力学预测模型，可为胸腔闭式引流术提供量化决策依据

数据统计