CRC-Router：面向医疗AI智能体的风险约束路由机制

发生了什么

针对医疗影像AI自主决策误差可能传导至临床决策、缺乏可靠分流机制的痛点，研究者提出模型无关的风险约束路由模块CRC-Router。它融合多维度不确定性信号与预测得分构建逐病灶路由特征，通过轻量风险模型估计错误接受风险，再基于共形风险控制校准用户指定风险目标下的决策接受阈值。在胸片多发现分诊任务上，无论作为独立路由层还是与SOTA医疗智能体MedRAX集成，其风险-覆盖权衡表现均优于所有评估基线，代码已开源。

关键信息

模块名称

CRC-Router（风险约束路由模块）

适用场景

医疗影像预测模型、医疗智能体AI系统的决策分流

测试数据集

NIH ChestX-ray14胸片多发现分诊数据集

核心特性

模型无关，可独立部署或作为插件接入现有医疗AI pipeline，兼容SOTA医疗智能体MedRAX

代码仓库

https://github.com/XLIAaron/CRC-Router

背景

当前医疗影像领域正逐步探索智能体AI系统以提升诊断吞吐量、减轻临床医生工作负担，但自主决策的安全落地仍存在核心障碍——自主判断的误差可能沿流程传导至下游临床决策，造成实际伤害。

为什么重要

对医疗AI行业而言，该模块补上了选择性自动化场景下的可控风险分流能力，推动医疗AI从单一追求性能转向性能与安全合规平衡的落地路径；对开发者来说，其模型无关的插件化设计可大幅降低现有医疗AI pipeline的合规改造成本；对临床医生而言，系统会自动转介高风险病例，在减少重复劳动的同时保障诊断安全。