知识卡片：ScaFE——基于LLM生成临床特征程序的数据高效瘢痕分类

一句话结论

ScaFE 不直接把临床照片交给视觉语言模型（VLM）诊断，而是让大语言模型生成确定性的、可执行的“临床特征程序”，在本地计算瘢痕视觉属性，再用轻量随机森林分类；在三医院 600 张照片的留一站点评估中达到 81.0% 的站点宏平均平衡准确率，比最强基线 BiomedCLIP 高 10.0 个百分点；仅用 10% 开发数据时仍保有 72.0% 平衡准确率并领先 11.8 个百分点。

事件概述或研究问题

病理瘢痕分类需要从临床照片区分瘢痕疙瘩和增生性瘢痕，但存在专家标注数据少、跨医院图像采集差异大等困难。端到端图像模型依赖大量数据；如果把照片发送到托管的 VLM，可能违反本地数据治理要求，且决策难以复现和审计。ScaFE（Scar Feature Engineering）试图将 LLM 的临床知识转化为在本地运行的可执行程序，而不是让模型直接看图像诊断。

方法/产品要点

核心思路：用 LLM 生成可执行的临床特征程序，测量视觉可评估的瘢痕属性；基于这些结构化特征，用轻量随机森林分类。
证据获取：web-enabled LLM 检索临床证据，并合成候选特征程序（摘要未说明具体 LLM 型号和检索来源，待核实）。
本地化执行：候选程序在受限本地环境运行；只有聚合验证统计量和特征级 SHAP 摘要被返回到迭代修复/精炼环节；原始图像和患者级输出不离开本地。
迭代修复：通过验证统计和 SHAP 摘要对程序进行迭代修复与精炼，提高可执行程序比例。

主要结果或产业意义

性能：在 600 张来自三家医院的临床照片上，采用 leave-one-site-out 评估，ScaFE 达到 81.0% 的站点宏平均平衡准确率，超过最强基线 BiomedCLIP 10.0 个百分点。
数据效率：仅用 10% 开发数据时，ScaFE 仍达到 72.0% 平衡准确率，并保持 11.8 个百分点的领先。
程序质量：迭代精炼使可执行程序率从 66.7% 提升至 95.0%；最终特征中有 91.7% 具有经核查的证据。
产业意义：为在数据治理约束下利用 LLM 医学知识提供了一条可审计、可复现的路径，尤其适合多中心、低标注的医疗影像场景。

为什么重要

现有范式要么依赖大量数据训练端到端图像模型，要么把图像交给托管 VLM、在隐私和可审计性上打折扣。ScaFE 展示了“LLM 生成特征程序 + 本地执行 + 可解释的结构化特征”这一中间路线：既保留 LLM 的临床知识，又避免原始照片外传，同时通过确定性程序和特征级 SHAP 摘要提升可复现性与审计能力。与已有相关卡片相比，本条增量信息在于将 LLM 能力用于医学图像特征工程而非直接推理或模型压缩。

局限与不确定性

本卡片仅基于 arXiv 摘要，未获得全文；以下内容均待核实：具体 LLM 型号与提示/检索设计、特征程序示例、程序运行环境与安全性边界、随机森林超参数、站点划分细节、统计显著性检验、与人类专家或更多基线的对比、是否有代码开源。
摘要未报告模型在不同瘢痕类型上的细粒度混淆、种族/肤色/拍摄设备等子组表现，以及失败案例，待核实。
可执行程序率与证据率是过程指标，其与临床决策质量的最终关联仍需进一步验证，待核实。

可用于图书/PPT/简报的角度

案例：如何把 LLM 当作“特征工程助手”而不是“分类器”，在医学图像领域实现低资源约束下的可审计 AI。
隐私与治理：通过“程序进、程序出”避免原始图像离开本地，仅回传聚合统计与 SHAP 摘要。
数据效率：用 10% 数据仍保持较强性能，可作为少样本/跨中心医疗 AI 的例证。
可解释性：特征程序 + 特征级 SHAP 摘要提供了比端到端 VLM 决策更易审计的中间表示。

原始材料

英文标题：ScaFE: Data-Efficient Scar Classification with LLM-Generated Clinical Feature Programs
英文关键词：ScaFE; scar classification; LLM-generated feature programs; data-efficient; cross-site medical image classification; local data governance; SHAP; Random Forest
作者：Ruman Wang, Hangting Ye
发表/更新：2026-07-30T17:05:20Z（arXiv 页面显示）
原始来源：arXiv:2607.28538v1 [cs.CV, cs.LG]，https://arxiv.org/abs/2607.28538v1