生成式人工智能（AI）模型在改善放射学领域的多个方面展现了巨大潜力，但一项新的分析提醒，这些模型仍然需要大量的监管。
生成式人工智能是众多新兴技术之一，专家认为其能够应对放射科医生日益增长的工作量。研究表明，这些模型可以帮助简化报告流程、改进可操作结果的沟通，并帮助患者更好地理解他们的报告。此外，这些模型还能够检测放射影像中的某些发现，这引发了专家对其不断增强的能力如何造福低资源地区患者的兴趣。
最近，研究人员试图评估生成式AI模型在检测用于结核病（TB）筛查的胸部X光片上相关异常的表现。这些胸片对于在高风险环境中降低风险至关重要。
“胸部X光片在高患病率地区的结核病筛查中起着关键作用，然而，广泛开展放射学筛查需要专业知识，而这在医疗资源有限的环境中可能无法获得。”波士顿麻省总医院布里格姆分院（Mass General Brigham）的洪恩京博士（Eun Kyoung Hong, MD, PhD）及其同事指出。
研究团队利用两个公开的结核病筛查数据集训练了一个生成式AI模型，使其能够为胸部X光片生成自由文本报告。该模型的任务是根据结核病相关异常的存在与否以及侧别对X光片进行标注，而放射科医生则自行解读图像，并决定是否接受模型生成的报告。另有两名放射科医生确定了参考标准。
根据参考标准，在800张X光片中，略多于一半包含与结核病相关的异常。AI生成的报告显示出95.2%的敏感性、86.7%的特异性和90.8%的准确性。尽管放射科医生的表现略高于模型，但他们在定位方面的表现显著更优。对于AI判定为正常或异常的X光片，第一位放射科医生表示他们会接受91.7%和52.4%的模型报告，而第二位放射科医生则表示83.2%和37.0%的报告是可以接受的。
尽管研究团队认为该模型具有潜力，但他们建议在临床部署之前仍需改进。
“虽然AI生成的报告可能增强放射科医生的诊断评估，但当前模型由于独立性能不足，仍需人工监督。”研究团队总结道。
(全文结束)
