可验证医学影像世界模型：评估仿真保真度、推演稳定性与临床合理性的工程框架

《Journal of Imaging Informatics in Medicine》：Toward Verifiable Medical Imaging World Models: An Engineering Framework for Evaluating Simulation Fidelity, Roll-Out Stability, and Clinical Plausibility

　　

医学世界模型模拟患者影像状态随时间演变的过程，部分系统还模拟临床干预下的状态变化。其价值在于多步、动作条件下的推演（roll-out），然而现有评估仍以感知性或单步指标为主。研究人员将此类模型的评估视为验证（verification）问题，区别于后续的临床获益证据，并围绕三个主轴加以组织。仿真保真度（simulation fidelity）考察预测状态是否在模型所声称的水平上正确；推演稳定性（roll-out stability）考察该正确性在多步推演中是否得以维持；研究人员采用有效规划时域（effective planning horizon）对其进行概括，其定义为在观测动作策略下，所述损失分位数首次超过临床容差（clinical tolerance）之前的最后一个步骤；临床合理性与可靠性（clinical plausibility and reliability）考察模拟响应是否具有反事实一致性、是否经过校准，并在患者亚组中是否充分。研究人员还提出了一种与声明相称的报告标准（claim-proportionate reporting standard），以及一种基于回顾性数据估计该时域的可复现流程。将该框架应用于有目的性选择的九个影像世界模型样本后，研究人员发现，所报告的证据在不同能力层级间分布不均。在所提出的标准下，每个声称具备动作条件预测或更高能力的模型均至少遗漏一项适用条目：没有任何模型报告明确的反事实一致性检验或第7项所规定的具有临床意义的亚组分析，也没有任何模型报告在既定临床容差下的有效规划时域。由于有效规划时域是在策略内（on-policy）估计的，因此不应将其解释为策略外（off-policy）反事实可靠性的证据。

医学影像世界模型（medical imaging world models）旨在模拟患者影像状态在干预下可能的演变过程，并在更复杂的系统中对想象的推演轨迹进行比较或规划。因此，其价值取决于这些推演是否保持忠实与稳定。研究人员围绕三个主轴构建评估框架：仿真保真度、推演稳定性，以及临床合理性与可靠性，同时将这种开发者侧证据与后续的临床验证区分开来。
在有目的性选择的九个影像世界模型样本中，每个动作条件或反事实模型均至少遗漏了所提议报告标准要求的一项条目。明确的反事实一致性检验和亚组分析均缺失，且没有任何模型在既定临床容差下报告有效规划时域。研究人员提出有效规划时域和与声明相称的报告标准，以使这些缺口变得明确且可比较。由于该时域是在观测动作策略下估计的，它不能确立在替代动作下的可靠性。这些工具组织起可从回顾性数据评估的内容，而前瞻性临床研究仍然是验证所必需的。