生成式AI在放射学中的推理优化：测试时计算提升模型性能的新路径

本文回应了Sorin等人关于优化生成式AI在放射学应用的观点信，探讨了通过测试时计算（如budget forcing技术）增强大语言模型（LLM）推理能力的新范式。研究表明，这种不依赖额外训练的方法可提升开放模型在放射报告处理（如错误检测、导管定位评估）中的表现，为缩小开源与闭源模型差距提供了可行方案，对推动医疗AI的透明化发展具有重要意义。

　　

在人工智能席卷医疗领域的浪潮中，放射学正经历着前所未有的技术变革。大语言模型（LLM）已展现出处理放射学报告的惊人潜力，从文本简写到复杂错误识别无所不能。然而，随着互联网文本资源的逐渐枯竭，传统依赖海量训练数据的模型发展模式遭遇瓶颈。更令人担忧的是，网络内容正被早期AI生成的数据污染，形成恶性循环。与此同时，医疗领域对AI透明度的呼声日益高涨——闭源模型如同黑箱，而开源方案又常因性能差距难以落地。这些矛盾在需要高精度推理的放射学任务中尤为突出，比如判断中央静脉导管投影位置是否正确，或从纷繁复杂的报告中揪出潜在错误。

针对这一系列挑战，由Sebastian Nowak、Babak Salam等组成的国际团队在《European Radiology》发表回应文章，系统探讨了通过测试时计算（test-time compute）优化LLM推理能力的新路径。研究重点分析了斯坦福团队提出的budget forcing技术——通过抑制结束标记并插入"Wait..."等提示，强制模型延长思考过程，从而提升放射学任务中的推理质量。团队特别指出，这种不依赖额外训练的方法，能有效挖掘模型预训练阶段获得的知识潜力，在保持开源模型透明优势的同时，显著提升其在复杂放射学任务（如DeepSeek-R1在导管定位评估中媲美GPT-4o）的表现。

关键技术方法包括：1）基于公开数学数据集进行监督微调（SFT），整合Gemini的推理路径；2）budget forcing引导解码技术，通过控制响应长度增强推理深度；3）混合专家（MoE）架构优化，采用DeepSeek开源的DeepEP通信库；4）使用放射学报告真实数据集（含中央静脉导管投影标注）进行性能验证。

研究结果揭示多个重要发现：

1. 推理优化效果具有任务依赖性：在检测报告错误和评估导管位置等需要多层推理的任务中，测试时计算带来的性能提升（约15-20%）显著高于简单拼写纠正（仅2-3%）。
2. Budget forcing展现出独特优势：相比需要专业数据微调的传统方法，这种纯测试阶段干预技术能稳定提取模型的预训练知识，避免了强化学习可能导致的"幻觉"问题。
3. 开源生态取得突破：DeepSeek-R1通过公开模型权重、MoE训练代码和新型强化学习方法，证明开源模型可达到闭源标杆（如GPT-4o）的放射学任务处理水平。

这些发现为医疗AI发展提供了重要启示：首先，测试时计算为资源有限的医疗机构提供了可行方案——无需昂贵的数据标注和算力投入，通过优化推理过程即可提升现有模型性能。其次，研究证实复杂临床任务更需要深度推理而非简单数据扩展，这为AI在放射学的精准应用指明方向。最重要的是，以DeepSeek-R1为代表的开源突破，打破了"高性能必须闭源"的迷思，为建立透明、可审计的医疗AI生态系统树立了典范。

值得注意的是，作者也客观指出技术局限：budget forcing虽能优化既有知识的提取，但无法像专业微调那样注入新的放射学知识。这提示未来研究需要探索测试时计算与领域适应的有机结合。随着互联网数据质量持续下降和医疗AI监管日益严格，这项研究不仅为放射科AI应用提供了实用技术路线，更在模型透明度与性能平衡这一根本问题上贡献了关键见解。