ECG Mirage：视觉语言模型心电图利用不足
原文标题：ECG Mirage: Revealing and Mitigating the Underutilisation of ECGs in Vision-Language Models for Clinical Prediction
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文揭示视觉语言模型在急诊临床预测中的 ECG Mirage 现象，即表面具备多模态能力却未真正依赖患者特异性心电图信息，分为 ECG 忽视与 ECG 混淆两种形式。在 MDS-ED 上四个 VLM 中，匹配 ECG 对 ICU 入住或病情恶化预测均无稳定优势。研究通过冻结主干、训练受限视觉提示并采用条件直接偏好优化，将匹配与不匹配差距提升至约 16.5 与 5.5 个百分点。
深读 · 结论先行AI 生成展开看要点与影响 ↓
四个VLM在MDS-ED上匹配ECG对ICU入住或恶化预测均无稳定优势，存在ECG Mirage。
- •区分两种失效：ECG忽视（ECG几乎无预测增益）与ECG混淆（匹配ECG优于无图但不超过错配ECG）
- •实验固定临床文本与预测目标，对比匹配ECG、结果不一致的错配ECG、无图像输入
- •四个VLM在MDS-ED上，匹配ECG对ICU入住与临床恶化预测均无一致优势
- •冻结主干、训练受限视觉提示并做条件直接偏好优化后，ICU入住平衡准确率70.6%、恶化67.5%
- •匹配与错配差距提升至约16.5与5.5个百分点
为什么重要：临床多模态模型的高分可能来自文本而非影像，评估若不设错配对照，会把「没看ECG」误判为「看懂了ECG」。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。