NVIDIA推出NV-Reason-CT：面向放射科医生思维链推理的开放3D CT视觉语言模型

NVIDIA 在 2026 年 9 月 23 日的开发者博客中发布 NV-Reason-CT，一款专为 3D CT 体数据成像打造的视觉语言模型。官方给出的动因很具体：单次腹部 CT 检查可包含 300 至 600 张轴位切片，其三维解剖上下文是标准 2D 编码器无法从独立切片重建的。

这一约束决定了架构选择。把 CT 体数据当作独立 2D 帧堆叠处理，会丢弃定义肿块、积液、浸润等结构所依赖的层间空间关系——这些结构的形状、范围与密度只有在三维中才具备临床意义。NV-Reason-CT 因此采用原生 3D 编码路径，而非把 2D 编码器适配到 CT。

模型由完整的 3D 视觉 Transformer 编码器与 Qwen3.5-4B 语言模型组合而成，编码器基于 Primus 3D ViT 并以 Colipri 权重初始化。输入体数据被重采样为 192³ 体素、2 毫米各向同性分辨率。

编码器使用不重叠的 8×8×8 图像块标记，产生 24×24×24 即 13,824 个视觉标记的上下文。一个值得注意的设计是：模型没有做标记合并或降采样，而是把所有视觉标记连同其 3D 网格坐标一并传入语言模型，语言模型使用 3D MRoPE 处理视觉标记间的三维空间关系。

这套设计的目标是让模型对空间范围、截面形态与层间关系进行推理。需要说明的是，来源未说明 2 毫米各向同性分辨率对微小病灶的影响，这属于该架构取舍中尚未披露的一环。

官方列出三项核心能力：结构化报告生成、模拟放射科医生思维链推理，以及多轮对话式追问。为引导和评估模型，NVIDIA 团队构建了覆盖 30 种胸部与 29 种腹部异常的 CT 本体，例如肺结节、气胸、肝脏病灶、肾囊肿等。

思维链能力被描述为逐步内部思考：系统检查解剖区域、呈现相关发现、考虑鉴别诊断并表达不确定性。多轮追问则允许临床医生与研究者就具体发现提问、要求澄清鉴别诊断，或在任意阶段探查模型推理。

官方把这种定位概括为“教师”而非分类器——解释问题、走查证据、通过可见的逻辑步骤得出结论。这一表述本身是厂商对设计意图的陈述，而非对临床效果的验证。

NVIDIA 称 NV-Reason-CT 在 CT-RATE 基准上取得 Macro-F1 0.614 的当前最优结果，Macro-AUROC 为 0.871，优于已发表的 3D 对比式与 2D/3D 融合基线。

这两项数字在来源中均属 NVIDIA 自述。来源为 NVIDIA 官方开发者博客，属厂商自述性质，未提供完整训练数据规模与评测细节；CT-RATE 上的领先结果由 NVIDIA 自行报告，来源中未见第三方独立复现或验证。因此这些成绩应被理解为待独立核验的声明，而非已确立的结论。

NVIDIA 称 NIH 放射科医生验证了该模型结构化报告与推理轨迹的临床合理性，并指出逐步思考有助于信任与可审计性。

这一说法同样来自厂商单方陈述。来源中未披露该验证的具体研究设计、样本量与评价指标，因此无法判断其结论强度。与之相关的是，NV-Reason-CXR 的推理方法论曾在一项被 RSNA 2026 接收的多读者临床研究中得到验证，该研究确认了放射科医生时间节省且诊断准确性得以保持——但来源对该研究仅有概述，细节同样无法核实。

官方对 NV-Reason-CT 的定位表述得相当明确：它是开放研究与发展基础模型，而非自主诊断系统，也不是已获批的临床产品。它面向研究人员与开发者，需针对具体用例进行后训练。

作为开放研究基础，该模型支持针对专门 CT 应用进行后训练，并可与 NVIDIA 的分割与合成数据生成等医学 AI 模型集成。这意味着它的价值主张在于作为上游底座，而非可直接部署的终端工具。

由此产生的未决问题包括：模型在真实临床工作流中的表现与泛化能力缺乏来源支持；多轮对话式追问在临床场景下的可靠性与安全性边界未在来源中说明；训练数据的具体规模、来源与合规情况也未完整披露。