大型语言模型和肌肉骨成像中的生成AI的临床应用,挑战和陷以及建议
Journal of the Korean Society of Radiology
|October 20, 2025
概括
生成型人工智能在肌肉骨成像和报告方面表现有前途,但像幻觉和偏见这样的挑战需要谨慎管理,以确保安全的临床使用.
科学领域:
- 人工智能在医学中的应用
- 放射学和医学成像学 医学成像学
- 肌肉骨成像系统的成像
背景情况:
- 生成性AI,包括GAN,扩散模型和LLM等模型,在临床环境中越来越多地应用.
- 应用包括疾病诊断,图像增强,重建,EHR总结和肌肉骨成像中的报告生成.
- 整合到放射学工作流程中,有可能改善报告和患者沟通.
研究的目的:
- 审查当前关于生成AI在肌肉骨成像和放射性报告中的实用性的证据.
- 识别和讨论与生成AI实施相关的挑战和陷.
- 为未来的进展和临床翻译提供建议.
主要方法:
- 对肌肉骨放射学中生成性AI现有文献的系统审查.
- 分析各种生成性AI模型的应用,好处和局限性.
- 综合发现,为未来的研究和临床实践提供信息.
主要成果:
- 生成型人工智能在提高诊断准确性,图像质量和报告效率方面显示出巨大的潜力.
- 关键的挑战包括人工智能幻觉,数据偏见,性能漂移和数据隐私问题.
- 特定领域的培训和强大的验证对于可靠的LLM放射学应用至关重要.
结论:
- 生成型人工智能为肌肉骨成像和放射学报告提供了变革性的潜力.
- 通过严格的验证,特定领域的培训和隐私措施来应对挑战,对于安全采用至关重要.
- 需要进一步的研究和开发来优化生成性AI以实现广泛的临床翻译.
