University of California, Berkeley

肺癌筛查CT结果的患者提问，现在由一个规划器加执行器的多模态智能体系统来回答。此前通用大模型只能处理文字报告，无法调用影像工具，也不会判断哪些问题该交给医生。系统在116份筛查CT报告和699个模拟患者提问上，工具调用准确率93.1%，把超出范围的问题正确转交医生的比例为92.6%，均显著高于单智能体基线；四名医生对100条回答的评分中，可回答问题有78.9%在临床准确性上拿到满分。

肺癌筛查CT结果的患者提问，现在由一个规划器加执行器的多模态智能体系统来回答。此前通用大模型只能处理文字报告，无法调用影像工具，也不会判断哪些问题该交给医生。系统在116份筛查CT报告和699个模拟患者提问上，工具调用准确率93.1%，把超出范围的问题正确转交医生的比例为92.6%，均显著高于单智能体基线；四名医生对100条回答的评分中，可回答问题有78.9%在临床准确性上拿到满分。

该工作提出 BioGait-VLM，一个在冻结的 InternVL3.5-1B 上构建的三模态（RGB 视觉、语言、显式生物力学）框架，通过时序证据蒸馏分支和将 3D 骨架运动学投影为语言对齐语义 token 的生物力学 token 化分支，在由公开 GAVD 与自采 30 例退行性颈椎病（DCM）队列合并而成的 8 类、1181 段视频、受试者不重叠的基准上取得 68.1% 准确率与 52.9% 宏 F1（DCM 类 F1 98.1%、异常步态 F1 80.4%），并由四位 DCM 领域专家在 52 段留出视频的盲法评审中于 69.2% 病例（36/52，p<0.001）将其评为优于基线。

该工作提出 BioGait-VLM，一个在冻结的 InternVL3.5-1B 上构建的三模态（RGB 视觉、语言、显式生物力学）框架，通过时序证据蒸馏分支和将 3D 骨架运动学投影为语言对齐语义 token 的生物力学 token 化分支，在由公开 GAVD 与自采 30 例退行性颈椎病（DCM）队列合并而成的 8 类、1181 段视频、受试者不重叠的基准上取得 68.1% 准确率与 52.9% 宏 F1（DCM 类 F1 98.1%、异常步态 F1 80.4%），并由四位 DCM 领域专家在 52 段留出视频的盲法评审中于 69.2% 病例（36/52，p<0.001）将其评为优于基线。