NeurIPS 2026 手术基准:通用模型离「懂手术」还很远

maier_ak · x · 2026-11-17

研究:SurgKnowBench 评估通用 AI 的手术理解

LMU Munich、TUM、Oxford、Stuttgart 与 ZEISS 合作的新论文(NeurIPS 2026 Datasets & Benchmarks track)提出 SurgKnowBench:整合 11 个公开手术数据集、覆盖 7 种术式(胆囊切除、胃旁路、前列腺、垂体、白内障等),共 376,602 个样本,设计了从器械识别定位、操作者-组织关系、手术阶段与动作识别,到两项专家级判断(胆囊切除的安全关键视野 CVS 核查清单、手术技能评级)共 7 个难度递增的任务。

阶段一对 17 个通用模型做零适配测试,结果令人清醒:最好的模型在器械检测上表现尚可,但在需要判断力的任务上表现很差。

阶段二模仿住院医师培养方式:给模型一个「图书馆」(教科书、指南、手术录像)+ 仔细观察的工具,不做任何手术微调,看能否提升——作者承认局限:无前沿模型作为 agent、困难集较小、用的是离线帧而非实时视频。结论是:工具目前只能帮「看」,还帮不了「判断」。

所属事件:NeurIPS 2026 手术基准:17 个多模态模型零样本准确率不足 5%(3 条相关)→

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →