研究显示，将放射科医生的眼动数据应用于人工智能（AI）训练，可帮助系统更精准识别医学影像中的临床关键区域。这项发表于《IEEE神经网络与学习系统汇刊》的研究表明，通过结合眼动追踪技术，AI诊断准确率可提升1.5%，同时显著增强机器决策与专家医生判断的一致性。
威尔士大学医院（UHW）放射科顾问医师理查德·怀特指出："计算机已能通过形态纹理识别肺结节等病变，但放射科医生必须系统性地检视特定解剖区域——这是传统AI系统缺失的临床思维，也是建立医疗信任的关键。"该团队创建了全球最大的胸部X光视觉显著性数据集，基于13名放射科医生阅片时记录的10万次眼动数据，训练新型AI模型CXRSalNet。该模型能预测影像中最具诊断价值的区域，其临床判断模式与专业医师高度吻合。
卡迪夫大学计算机科学学院刘汉涛教授强调："医疗AI必须具备决策可解释性。我们通过捕捉专家医生阅片时的视觉注意力模式，首次实现了让AI'理解'影像重要特征。"数据显示英国放射科医生缺口达29%（威尔士地区达32%），而医学影像需求持续激增。该技术通过提升阅片效率，有望缓解全球范围内的诊断积压问题。研究团队正着手将该技术扩展到CT/MRI等多模态影像分析，并重点探索其在癌症早期筛查中的应用——该领域对细微视觉线索的识别尤为关键。
据2024年英国皇家放射学院普查，威尔士地区放射科医生短缺率达32%，英国整体短缺率29%。研究团队计划将该技术拓展至医学教育和临床决策支持系统开发，辅助放射科医生实现更快更准确的诊断。
【全文结束】
