AI在医学扫描中的空间认知缺陷
一项新研究发现，ChatGPT等AI图像模型在处理医学影像时存在严重空间认知障碍，表现为无法正确识别器官位置的颠倒或旋转。这种缺陷可能导致临床诊断中出现危险错误。实验显示，当前主流视觉-语言模型(VLMs)在医学扫描的空间推理测试中表现接近随机猜测，其根本原因在于模型更倾向于依赖训练获得的解剖先验知识，而非实际分析图像内容。
临床应用风险
德国乌尔姆大学与美国Axiom Bio研究人员指出："当要求AI判断肝脏是否位于胃部右侧时，模型可能直接调用解剖常识得出肯定答案，而不会仔细检查图像。这种机制在存在内脏反位、术后改变或肿瘤位移等异常情况时，将导致致命误诊。"
研究团队开发的MIRP(医学影像相对定位)数据集显示：
- 使用标准问诊格式时，GPT-4o等四大主流模型准确率均约50%
- 添加字母/数字标记后，GPT-4o和Pixtral准确率提升至75%
- 完全去除解剖术语后，GPT-4o使用字母标记准确率达85%以上
技术局限性分析
实验揭示关键现象：
- 先验知识依赖：当处理翻转影像时，GPT-4o基于解剖常识的判断准确率达75%，但直接分析图像时准确率骤降
- 模型代际差异：开源模型Llama3.2在所有测试中表现最差，即使在纯视觉标记测试中准确率也不足60%
- 泛化能力不足：在去除医学语境的白底标记测试中，JanusPro和Llama3.2仍表现出基础空间判断缺陷
数据集创新
MIRP数据集采用多维度测试方案：
- 包含CT/MRI腹部切片数据
- 设置红蓝圆点、黑白字母、黑白数字三种标记系统
- 对影像进行随机旋转/翻转处理以打破解剖先验
- 平衡Yes/No答案分布
该数据集已整合自BTCV、AMOS和TotalSegmentator等公开医学影像数据库。
临床转化启示
研究团队强调，当前医疗AI存在两大根本性风险：
- 认知黑箱化：模型可能完全忽略上传的医学影像，直接根据文本提示生成"诊断结果"
- 异常检测失效：对偏离标准解剖结构的病理改变缺乏识别能力，这正是诊断医学的核心需求
虽然通过优化提示工程(如使用视觉标记)可提升准确率，但这一发现凸显出医疗AI开发的深层矛盾——当前模型本质上更擅长"医学知识问答"而非"医学影像分析"。研究团队建议，下一代医疗AI应重点开发异常检测机制和动态学习能力，以突破现有技术框架。
【全文结束】
