Confidence-Gated Cloud-Edge Cascade Triage via Variational Risk Minimization for Medical Imaging
作者: Xinye Yang, Zhusi Zhong, Scott Collins, Michael Bernstein, Grayson Baird, Terrence Healey, Michael Atalay, Mahesh Jayaraman, Xuyu Wang, Zhicheng Jiao
分类: eess.IV, cs.CV, cs.LG
发布日期: 2026-10-01
备注: 14 pages, 6 figures, 14 tables. Accepted manuscript of the article published in Smart Health 41 (2026) 100689. Presented as an oral at IEEE/ACM CHASE 2026. Code: https://github.com/Yangxinyee/vrm-edge-triage
期刊: Smart Health 41 (2026) 100689
DOI: 10.1016/j.smhl.2026.100689
💡 一句话要点
提出变分风险最小化框架以解决急诊胸部X光影像的多模态问题
🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 急诊医学 胸部X光 变分风险最小化 不确定性感知 多模态学习 医疗影像分析 云-边缘计算 模型校准
📋 核心要点
- 现有急诊胸部X光分诊方法存在模态差距，报告生成滞后于分诊决策，影响临床效率。
- 论文提出变分风险最小化（VRM）框架，通过变分边际化教师分布进行不确定性感知的监督学习。
- 实验表明，VRM在报告选择稳定性和校准性能上显著优于传统微调方法，达到了高AUC值和低延迟。
📝 摘要（中文）
急诊胸部X光（CXR）分诊存在结构性模态差距：报告在分诊决策后才到达，而多模态基础模型需要图像-文本输入。本文提出变分风险最小化（VRM）框架，将LVLM生成的报告变体视为潜在临床解释的蒙特卡洛样本。VRM通过变分边际化教师分布进行学习，能够在缺失模态约束下实现不确定性感知的监督。实验结果表明，VRM在匹配编码器家族下超越了直接微调基线，并在从幻觉监督中强恢复的情况下改善了校准。边际化监督减少了报告选择的不稳定性。在我们的紧凑边缘学生实例中，信心门控级联在103毫秒的平均延迟下达到了0.941的AUC，云端升级率为20.3%，为云-边缘临床工作流提供了明确的可靠性-延迟操作点。
🔬 方法详解
问题定义：本文旨在解决急诊胸部X光影像分诊中的模态差距问题，现有方法在报告生成与分诊决策之间存在时间延迟，影响临床决策的准确性和效率。
核心思路：提出变分风险最小化（VRM）框架，通过将LVLM生成的报告视为潜在临床解释的蒙特卡洛样本，进行不确定性感知的监督学习，克服了缺失模态的挑战。
技术框架：VRM框架包括多个模块，首先生成报告变体，然后通过变分边际化学习教师分布，最后进行模型训练以优化分诊决策的准确性和稳定性。
关键创新：VRM的核心创新在于采用变分边际化的方式进行教师分布学习，与传统的单一教师目标学习方法相比，能够更好地处理不确定性和模态缺失问题。
关键设计：在模型设计中，采用了特定的损失函数以优化不确定性感知，使用了匹配的编码器家族以提高模型的校准性能，同时在边缘计算环境中实现了高效的信心门控级联机制。
🖼️ 关键图片
📊 实验亮点
实验结果显示，VRM框架在103毫秒的平均延迟下达到了0.941的AUC，且云端升级率仅为20.3%。这一性能显著优于传统微调基线，展示了在不确定性感知和报告选择稳定性方面的优势。
🎯 应用场景
该研究具有广泛的应用潜力，特别是在急诊医学和医疗影像分析领域。通过提高胸部X光影像分诊的效率和准确性，能够显著改善患者的临床结果，并为未来的智能医疗系统提供技术支持。
📄 摘要（原文）
Emergency chest X-ray (CXR) triage has a structural modality gap: reports arrive after triage decisions, yet multimodal foundation models require image-text inputs. We present Variational Risk Minimization (VRM), a distillation framework that treats LVLM-generated report variants as Monte Carlo samples of latent clinical interpretations. Rather than distilling from a single teacher target, VRM learns from a variationally marginalized teacher distribution, enabling uncertainty-aware supervision under missing-modality constraints. Under matched encoder families, VRM outperforms direct fine-tuning baselines and improves calibration with strong recovery from hallucinated supervision. Marginalized supervision reduces report-selection instability. In our compact edge-student instantiation, a confidence-gated cascade reaches AUC 0.941 at 103ms average latency with 20.3% cloud escalation, yielding an explicit reliability-latency operating point for cloud-edge clinical workflows.