研究测试五种多模态AI模型在CT扫描上的表现,发现20%的重大错误
一项由纽约理工学院领导的最新研究测试了五种顶级多模态AI模型(GPT-5、Gemini 3 Pro、Llama 4 Maverick、Grok4和Claude Opus 4.5 Extended)在解读脑部CT扫描时的可靠性。研究人员向每个模型提供同一张显示颅内病理的CT图像,要求其像放射科医生一样进行分析。结果发现,这些模型的整体诊断错误率达到20%,包括将缺血性卒中误判为对侧脑出血等严重错误。即使在得出正确诊断的模型中,解释和评估也存在显著不一致。该研究指出,通用型大语言模型并非为医学诊断优化,其权威性表述可能掩盖潜在错误,强调所有诊断解读仍需医学专家的监督。
2026-09-24 18:51:25AI与医疗健康