RadKev开源放射决策模型：15项任务平均准确率较通用模型高4.9个百分点，单问延迟128毫秒对16.9秒
威斯康星大学麦迪逊分校团队在medRxiv发布预印本《RadKev: An Open-Weight Decision Model for Radiology》，用36109条公开放射数据集记录微调通用决策模型Kev-27B与Kev-9B。决策模型对固定选项一次给出各答案概率、不生成文本。在14142道留出题、15项任务评测中，RadKev-27B任务平均准确率较Kev-27B高4.9个百分点，95%置信区间3.8至6.2，最大单项增益在报告错误检测达22.6个百分点。单问延迟128毫秒对16.9秒，低132倍；5%错误率下可回答90.5%的问题。适用于报告阅读、病例诊断分类等类别化放射决策场景，部署前需在本地数据上验证。
事实报道 × 医疗数据从业者 ｜ 数据视角 × 监管与合规专家 ｜ 产品发布
威斯康星大学麦迪逊分校团队在预印本平台medRxiv发布《RadKev》，用36109条公开放射数据集记录在通用决策模型上做微调，得到开放权重的放射科专用决策模型。在14142道留出题、15项任务的评测中，其任务平均准确率比通用模型Kev-27B高4.9个百分点，单问延迟仅128毫秒，对比推理模型的16.9秒低132倍；该成果目前仍属未经同行评审的预印本。
开场：威斯康星大学麦迪逊分校团队在medRxiv发布RadKev，用36109条公开放射数据集记录在通用决策模型Kev-27B与Kev-9B上微调，得到首个专门面向放射科并与大模型对照的开放权重决策模型。
这项工作的作者是威斯康星大学麦迪逊分校医学物理系与放射科的Udbhav Ram与Ran Zhang，预印本于2026年10月13日发布在medRxiv。团队用来自公开放射数据集的36109条记录，对通用决策模型Kev-27B与Kev-9B做微调，得到RadKev-27B与RadKev-9B两个版本。作者指出，此前还没有任何一个决策模型专门针对放射科做过领域化，并与大语言模型做系统对照，RadKev填补的正是这一空白。对照对象包括原有的Kev系列、托管的决策模型Jev与OpenAI Decisions，以及同规模的大语言模型Qwen3.8-27B。作者同时声明不存在竞争性利益，并确认研究遵循了相关伦理规范、取得了必要的机构审查批准。
模型形态：决策模型对固定选项一次给出各答案的概率、不生成文本，RadKev-27B以Qwen3.8-27B为骨干，覆盖报告阅读、病例诊断与分类、放射知识共15项任务。
所谓决策模型，工作方式与大语言模型不同：面对一组固定选项，它一次前向计算就给出每个允许答案的概率，不逐词生成文本。作者的出发点是，放射科大量决策本质上就是在固定答案集合中做选择，例如一份报告是否描述了某个所见、一项检查应以多高的优先级被阅片。这类任务用生成式模型去做，既慢又难以校准置信度，输出的自由度还带来了格式漂移与幻觉风险。RadKev-27B以Qwen3.8-27B为骨干，评测覆盖15项任务，归为报告阅读、病例诊断与分类、放射知识三大类。由于输出被约束在预先定义的答案集合内，模型给出的概率天然带有可作阈值判断的置信度，这为后续的自动放行与人工复核分流提供了基础。
准确率数据：在14142道留出题上，RadKev-27B比Kev-27B高4.9个百分点，95%置信区间3.8至6.2，最大单项增益出现在报告错误检测，达22.6个百分点；RadKev-9B比Kev-9B高6.9个百分点，与体积三倍于它的Kev-27B无显著差异。
评测集是14142道留出题，预设主要终点为相对Kev-27B的任务平均准确率。结果为RadKev-27B高出4.9个百分点，95%置信区间3.8至6.2，最大单项增益落在报告错误检测，达22.6个百分点。小模型版本的表现同样值得注意：RadKev-9B比Kev-9B高6.9个百分点，95%置信区间5.5至8.4，并且与体积三倍于它的Kev-27B之间没有检测到显著差异。在1675道题的子集上，RadKev-27B优于托管的Jev 3.0个百分点（1.7至4.4）、优于OpenAI Decisions 4.8个百分点（3.2至6.4），也优于不开推理的Qwen3.8-27B 4.7个百分点（3.4至6.0）、优于开推理的Qwen3.8-27B 2.8个百分点（1.0至4.6）。
效率与可控拒绝：单问延迟128毫秒对16.9秒，低132倍；在5%错误率下RadKev-27B可以回答90.5%的问题，Kev-27B为76.4%；开放权重可在院内本地运行，使患者数据留在院内。
工程层面的差距更为悬殊。RadKev-27B的单问延迟为128毫秒，对比推理模型的16.9秒，低132倍，这让逐题打分的批量评测与近实时的科室级调用变得可行。更有实用价值的是可控拒绝能力：在容忍5%错误率的前提下，RadKev-27B可以回答90.5%的问题，而Kev-27B只能回答76.4%，意味着模型能在更大范围内给出可信答案，把剩下的题交给人工。权重已发布在Hugging Face，配套的数据构建、教师标注、训练、评测与统计分析脚本在GitHub公开，开放权重意味着可以在院内本地运行，患者数据不必离开医院，这对受数据合规约束、难以把影像与报告外送的机构尤其关键。需要留意的是，RadKev发布的是适配器与指针头，其依赖的Kev代码以Apache-2.0许可分发，两者许可并不相同。
冷静观察：这是未经同行评审的medRxiv预印本，评测题目与训练记录均来自公开数据集，尚未在真实临床工作流中前瞻验证；权重以CC BY-NC-SA 4.0许可发布、仅限非商业研究用途，商用需另行确认，作者明确要求部署前必须在本地数据上验证。
四点限制必须说在前面。第一，这是一篇未经同行评审的medRxiv预印本，结论尚未经过独立同行评议。第二，训练记录与评测题目都来自公开数据集的留出题，与真实科室的病种构成、图像质量、报告风格存在差距，尚未在真实临床工作流中做前瞻验证。第三，RadKev-27B与RadKev-9B的适配器及指针头以CC BY-NC-SA 4.0许可发布，仅限非商业研究用途，因为部分训练来源带有该许可，商用需要另行确认授权。第四，作者本人在结论中也明确，模型应在本地数据上完成验证之后，才能用于院内的类别化放射决策。对数据从业者来说，可复现性是这项工作的加分项：生成论文中每个数字、表格与图表的脚本都随代码公开，外界可以自行核对而非只引用结论。
原文链接：medRxiv（预印本）
千方医数集编辑部 出品
