自动放射学报告生成：新兴人工智能架构与多模态技术的系统综述

《ARTIFICIAL INTELLIGENCE REVIEW》：Automatic radiology report generation: a systematic review of emerging AI architectures and multimodal technologies

　　

摘要

从医学图像生成放射学报告是一项劳动密集型任务，这一挑战因全球放射科医生短缺以及图像解读的复杂性而更加严峻。自动放射学报告生成（Automatic Radiology Report Generation, ARRG）技术应运而生，旨在解决这一问题。基于人工智能的方法在加快诊断速度和提高工作效率方面展现出巨大潜力。尽管以往的综述主要关注传统的机器学习和深度学习模型，并且往往采用非系统性的方法论，但本研究对2015年至2025年间发表的51项相关研究进行了系统的PRISMA框架评估，全面分析了模型架构、学习范式、数据策略和评估指标。我们梳理了从经典的CNN-RNN框架到新兴范式（如知识图谱、大型语言模型（LLMs）、检索增强生成（Retrieval-Augmented Generation, RAG）、AI代理以及多模态视觉-语言模型）的各种方法。分析指出临床应用中的关键挑战，包括模型可解释性、事实准确性、跨模态的通用性以及系统部署的可行性。我们还对基准数据和性能指标进行了批判性评估，指出了阻碍公平比较和临床应用的不一致之处。最后，我们提出了推进临床可靠、可解释且具有泛化能力的ARRG系统的发展方向。通过将技术进展与实际临床需求相结合，本综述为致力于将AI原型转化为可靠临床工具的研究人员和实践者提供了具有前瞻性的参考。

从医学图像生成放射学报告是一项劳动密集型任务，这一挑战因全球放射科医生短缺以及图像解读的复杂性而更加严峻。自动放射学报告生成（ARRG）技术应运而生，旨在解决这一问题。基于人工智能的方法在加快诊断速度和提高工作效率方面展现出巨大潜力。尽管以往的综述主要关注传统的机器学习和深度学习模型，并且往往采用非系统性的方法论，但本研究对2015年至2025年间发表的51项相关研究进行了系统的PRISMA框架评估，全面分析了模型架构、学习范式、数据策略和评估指标。我们梳理了从经典的CNN-RNN框架到新兴范式（如知识图谱、大型语言模型（LLMs）、检索增强生成（RAG）、AI代理以及多模态视觉-语言模型）的各种方法。分析指出临床应用中的关键挑战，包括模型可解释性、事实准确性、跨模态的通用性以及系统部署的可行性。我们还对基准数据和性能指标进行了批判性评估，指出了阻碍公平比较和临床应用的不一致之处。最后，我们提出了推进临床可靠、可解释且具有泛化能力的ARRG系统的发展方向。通过将技术进展与实际临床需求相结合，本综述为致力于将AI原型转化为可靠临床工具的研究人员和实践者提供了具有前瞻性的参考。