
-
生物通官微
陪你抓住生命科技
跳动的脉搏
AI生成乳腺超声图像的来源可信度风险:一项基于阅片者接受-检测-响应的分阶段评估研究
《npj Digital Medicine》:Staged purpose-blinded evaluation of provenance risk from a general-purpose generator in breast ultrasound
【字体: 大 中 小 】 时间:2026年09月20日 来源:npj Digital Medicine 18.0
编辑推荐:
摘要商用通用图像生成器可能在受控的医疗人工智能研究之外生成具有医疗特征的内容,从而引发来源可信度的担忧。我们评估了一款无需医疗专用开发或患者图像输入即可生成乳腺超声图像的通用生成器。主要的科学研究部分采用目的盲法的 1 期设计,12 名阅片者在不知晓合成图像存在的情况下,对每
商用通用图像生成器可能在受控的医疗人工智能研究之外生成具有医疗特征的内容,从而引发来源可信度的担忧。我们评估了一款无需医疗专用开发或患者图像输入即可生成乳腺超声图像的通用生成器。主要的科学研究部分采用目的盲法的 1 期设计,12 名阅片者在不知晓合成图像存在的情况下,对每个来源的 60 张图像进行评估,以测量验证前的风险。交叉阅片者与图像模型显示,阅片者对合成图像的感知质量更高(差异,0.44;95% CI,0.33–0.55),且用于基本图像级别判断的模型估计充分性也更高(95.9% 对比 86.7%)。只有 12 名阅片者中的 3 名自发质疑了来源。2 期测量了明确的来源检测(准确率,70.8%);一个独立的、有线索支持的 3 期数据集(无文件级别重叠)提供了探索性的工作流程响应信号(准确率,79.5%)。在 94.9% 的合成图像评估中,阅片者选择了审查、验证或不使用。这种分阶段的接受 - 检测 - 响应框架识别了跨领域的来源风险,但并未确立临床保真度、诊断等效性或因果干预效能。