在2026年歐洲放射學(xué)大會(huì)（ECR 2026）上，人工智能仍然是最受關(guān)注的話題之一。據(jù)RadAI Slice統(tǒng)計(jì)，在603場(chǎng)會(huì)議中，有142場(chǎng)帶有AI標(biāo)簽，占比達(dá)到23.5%。然而，與過(guò)去幾年不同，今年會(huì)議的討論重點(diǎn)已經(jīng)發(fā)生變化。

放射學(xué)界幾乎不再爭(zhēng)論AI是否應(yīng)該進(jìn)入放射學(xué)?，F(xiàn)在真正的問(wèn)題是：當(dāng)AI在真實(shí)臨床環(huán)境中出現(xiàn)錯(cuò)誤時(shí)，會(huì)發(fā)生什么？又為什么會(huì)發(fā)生？

AI的風(fēng)險(xiǎn)

往往始于訓(xùn)練數(shù)據(jù)

放射科醫(yī)生、醫(yī)學(xué)影像數(shù)據(jù)公司Segmed聯(lián)合創(chuàng)始人Martin Willemink在會(huì)議中指出，AI問(wèn)題往往在算法建立之前就已經(jīng)出現(xiàn)，即訓(xùn)練數(shù)據(jù)階段。

Dr. Martin Willemink, PhD.

他強(qiáng)調(diào)，數(shù)據(jù)質(zhì)量不僅僅是圖像質(zhì)量，更重要的是數(shù)據(jù)的多樣性。如果AI模型只使用理想條件下的影像進(jìn)行訓(xùn)練，那么它往往只能在理想人群中表現(xiàn)良好。

真實(shí)醫(yī)療環(huán)境遠(yuǎn)比訓(xùn)練環(huán)境復(fù)雜得多。不同醫(yī)院使用不同廠商設(shè)備，圖像中存在各種噪聲和偽影，患者在人種、年齡、性別以及地理分布上也存在差異。如果訓(xùn)練數(shù)據(jù)缺乏這些差異，AI模型在實(shí)際臨床中的表現(xiàn)就可能明顯下降。

這種問(wèn)題并非假設(shè)。研究發(fā)現(xiàn)，在2020年前提交美國(guó)FDA審批的AI模型中，超過(guò)70%的訓(xùn)練數(shù)據(jù)僅來(lái)自美國(guó)三個(gè)州：加利福尼亞州、馬薩諸塞州和紐約州。Willemink指出，如果模型只在這些地區(qū)訓(xùn)練，那么它在美國(guó)南部、歐洲或其他國(guó)家的表現(xiàn)可能并不可靠。

他認(rèn)為，開(kāi)發(fā)AI系統(tǒng)時(shí)必須主動(dòng)審查訓(xùn)練數(shù)據(jù)，確保其中包含不同人群和不同醫(yī)療環(huán)境的數(shù)據(jù)，否則模型很容易產(chǎn)生偏差。

此外，AI模型還可能學(xué)習(xí)到一些“錯(cuò)誤線索”。例如，它可能將醫(yī)院標(biāo)志、設(shè)備偽影等與疾病建立聯(lián)系。最終結(jié)果可能看似正確，但模型的推理邏輯卻并不合理。

AI可能改變

放射科醫(yī)生的注意力

來(lái)自萊頓大學(xué)醫(yī)學(xué)中心的研究者M(jìn)ohammad Hossein Mehrizi從認(rèn)知角度分析了AI對(duì)放射科醫(yī)生閱讀行為的影響。

Dr. Mohammad Hossein Mehrizi, PhD.

他指出，放射科醫(yī)生在閱讀影像時(shí)并不僅僅是“看圖像”，而是通過(guò)已有知識(shí)去理解圖像。他借用了哲學(xué)家?？绿岢龅摹?strong>醫(yī)學(xué)凝視”（medical gaze）概念，說(shuō)明醫(yī)生的知識(shí)結(jié)構(gòu)會(huì)影響其注意力分布，同時(shí)也可能帶來(lái)認(rèn)知盲區(qū)。

Mehrizi將放射科醫(yī)生的注意力分為三種類型：

• 第一種是聚焦注意力，集中在某一個(gè)明確異常上；

• 第二種是側(cè)向注意力，用于掃描整個(gè)影像尋找意外發(fā)現(xiàn)；

• 第三種是策略性注意力，用于監(jiān)控注意力的整體分布。

AI系統(tǒng)的提示往往會(huì)將醫(yī)生的注意力集中在某一個(gè)區(qū)域，從而強(qiáng)化聚焦注意力，但可能減少對(duì)影像其他區(qū)域的觀察。

在眼動(dòng)追蹤研究中，研究人員發(fā)現(xiàn)放射科醫(yī)生在使用AI輔助系統(tǒng)時(shí)會(huì)表現(xiàn)出不同的行為模式：有些人會(huì)關(guān)注AI提示，有些會(huì)忽略AI提示繼續(xù)觀察，也有些會(huì)刻意檢查AI未標(biāo)記的區(qū)域。

然而Mehrizi認(rèn)為，最危險(xiǎn)的情況并不是醫(yī)生完全依賴AI，也不是完全忽視AI，而是人類和AI在同一個(gè)地方同時(shí)出現(xiàn)判斷偏差。當(dāng)AI和醫(yī)生都關(guān)注同一處異常時(shí)，其他潛在問(wèn)題可能被忽略。

偏差可能在系統(tǒng)中不斷放大

來(lái)自圣裘德兒童研究醫(yī)院的兒科放射科醫(yī)生Paul Yi則將討論帶回?cái)?shù)據(jù)和倫理問(wèn)題。

Dr. Paul Yi.

他指出，AI確實(shí)有潛力讓專業(yè)知識(shí)更加普及，但如果訓(xùn)練數(shù)據(jù)存在偏差，那么這種偏差也會(huì)被AI放大。

Yi團(tuán)隊(duì)在研究骨齡預(yù)測(cè)算法時(shí)發(fā)現(xiàn)，該模型在不同人群中的表現(xiàn)存在系統(tǒng)性差異。例如在不同年齡段或不同性別的兒童之間，其預(yù)測(cè)準(zhǔn)確度并不一致。

更值得警惕的是，一些AI模型可能學(xué)習(xí)到“捷徑”。例如，一些用于檢測(cè)氣胸的算法實(shí)際上識(shí)別的是胸腔引流管，而不是氣胸本身；某些骨折檢測(cè)模型可能依賴影像中的左右標(biāo)記，而不是骨骼結(jié)構(gòu)本身。雖然最終診斷結(jié)果看起來(lái)正確，但模型的推理邏輯卻是錯(cuò)誤的。

Yi還指出，放射科醫(yī)生本身也可能帶有偏見(jiàn)，這些偏見(jiàn)來(lái)自訓(xùn)練背景、地理環(huán)境或亞?？平?jīng)驗(yàn)。如果影像報(bào)告中沒(méi)有提及某些異常，AI模型就無(wú)法學(xué)習(xí)到這些信息。這樣一來(lái)，偏差數(shù)據(jù)訓(xùn)練出偏差模型，而偏差模型又會(huì)產(chǎn)生新的偏差數(shù)據(jù)，形成一個(gè)循環(huán)。

當(dāng)AI進(jìn)入患者端

討論最終也涉及患者層面的問(wèn)題。如果AI工具在全球范圍內(nèi)推廣，它們是否能在不同醫(yī)療系統(tǒng)中同樣可靠地工作？

目前許多AI模型主要在美國(guó)或西歐進(jìn)行驗(yàn)證，而不同國(guó)家在影像設(shè)備、疾病譜以及患者結(jié)構(gòu)方面存在顯著差異。

Mehrizi還提到一個(gè)新的趨勢(shì)：越來(lái)越多患者開(kāi)始直接使用AI工具解釋自己的影像檢查結(jié)果。有些患者會(huì)將掃描圖像上傳到在線系統(tǒng)或聊天機(jī)器人，希望獲得解釋。

他認(rèn)為，這種行為可能產(chǎn)生一種“虛假的理解感”?；颊呖赡苷`以為自己已經(jīng)理解了影像結(jié)果，但實(shí)際上卻產(chǎn)生了誤解。

Yi舉了一個(gè)簡(jiǎn)單的例子：有一次，一位家屬看到影像報(bào)告中寫(xiě)著“fracture（骨折）”，卻誤以為這意味著骨頭只是損傷卻沒(méi)有斷裂。復(fù)雜的醫(yī)學(xué)術(shù)語(yǔ)本身就可能讓患者困惑，如果再加上缺乏臨床背景的AI解釋，誤解可能會(huì)更加嚴(yán)重。

AI時(shí)代真正需要回答的問(wèn)題

會(huì)議最終并沒(méi)有給出簡(jiǎn)單答案。如今，AI已經(jīng)進(jìn)入放射學(xué)實(shí)踐，但行業(yè)正在逐漸走出早期對(duì)技術(shù)性能指標(biāo)的興奮階段。未來(lái)真正需要面對(duì)的問(wèn)題，不再只是AI能否識(shí)別某種疾病，而是在人類與AI協(xié)作的診斷體系中，我們是否仍然能夠真正看到患者本身。

參考來(lái)源

AuntMinnieEurope. When AI and radiologists miss the same thing. March 13, 2026.

來(lái)源：鼎湖影像

免責(zé)聲明：本公眾號(hào)旨在為醫(yī)療衛(wèi)生專業(yè)人士提供腫瘤領(lǐng)域資訊參考，促進(jìn)專業(yè)交流。內(nèi)容僅供信息交流，不可替代專業(yè)醫(yī)療指導(dǎo)，亦非診療建議。 據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。轉(zhuǎn)載內(nèi)容均已標(biāo)注來(lái)源及作者。如有版權(quán)問(wèn)題，請(qǐng)留言聯(lián)系，我們將及時(shí)處理。