每10次包含异常情况的扫描中，放射科医生可能会漏掉3次。这是一个严重问题，因为患者生存率高度依赖癌症的早期检测。
现在，马萨诸塞州伍斯特圣十字学院的研究员格雷戈里·迪吉罗拉莫博士（Dr. Gregory DiGirolamo）正致力于改变这一令人担忧的现状。他招募了一批意想不到的助手：鸽子。
没错，你没有看错。在今年早些时候发表的一项研究中，迪吉罗拉莫及其团队成功训练六只鸽子观看CT扫描视频，并判断其中是否显示肺结节（可能预示癌症的肺部生长物）。这项看似科幻的研究实际上掌握着预防医学影像漏诊的关键——但实现方式与你想象的不同。请放心，下次就医时你的诊室里不会出现穿着白大褂的鸽子。
人类大脑的局限性
2025年，迪吉罗拉莫团队发表研究显示，即使放射科医生表面判定肺结节正常，其无意识大脑实际上已检测到可疑病灶。
通过眼动追踪技术，研究人员发现当医生注视胸部CT扫描上的可疑肺结节时，眼球会在异常位置停留更久且瞳孔明显放大。
他们的眼睛和大脑已察觉异常，但这些信息有时无法传递至意识层面，导致医生最终判定扫描结果正常。
鸽子如何参与其中？
迪吉罗拉莫希望研究不受意识干扰的无意识视觉系统，因此选择鸽子作为研究对象——其视觉系统运作机制与人类无意识视觉部分高度相似。
鸽子的放射学训练方式如下：一半鸽子在正确识别结节时获得食物奖励；另一半在正确识别正常扫描时获得奖励。这些鸽子表现出色，不仅能区分含结节与正常图像，还能将所学应用于全新扫描案例。
更令人惊叹的是：掌握肺结节识别后，鸽子开始识别两种未经训练的其他肺部问题——肺气肿（肺部气囊受损疾病）和磨玻璃样结节（可能预示早期肺癌的模糊灰色区域）。
迪吉罗拉莫向《大众科学》解释："对人类而言，肺气肿和磨玻璃样结节与肺结节外观截然不同。但鸽子的表现揭示这三种病症存在共同视觉特征。无意识的人脑可能同样捕捉到此特征，即使医生主观判断扫描结果正常。"
将成果转化为实践
迪吉罗拉莫计划将这些发现转化为实用医疗AI工具，帮助医生预防影像漏诊。
他将整合眼动追踪与生理数据（如瞳孔扩张），捕捉医生面对细微异常时的无意识反应——即使他们判定扫描"正常"——并将这些眼球运动模式输入AI模型。
迪吉罗拉莫强调，该医疗AI不会取代放射科医生，而是作为直接学习医生视觉模式的辅助工具，弥合意识与无意识认知的鸿沟，最终提升诊断准确性。
同样技术也适用于心脏病专家解读心电图。在医学领域外，这种利用专家眼球运动与生理反应训练AI的方法，未来或可帮助艺术史学家鉴别真伪名画，或协助机场安检员在已判定安全的行李扫描中识别炸弹。
"目前我专注解决医学漏诊问题，因其更具现实意义，"迪吉罗拉莫表示，"但我也希望探索'能否分辨卡拉瓦乔真伪作品'这类应用。"
【全文结束】