生成式AI判讀放射診斷仍有差距：48項研究統合分析，專家準確率高出13個百分點

一張影像上的異常，往往要連同病史與其他線索，才能轉化為診斷。生成式人工智慧已被用來測試這項能力，但能寫出流暢答案，並不代表判斷可靠。10月3日刊於《Japanese Journal of Radiology》的系統性回顧與統合分析顯示，在納入的放射診斷研究中，生成式AI的準確率仍落後專家醫師。

這項分析彙整截至2025年3月搜尋取得的48項研究，並事先登錄於PROSPERO；PubMed收錄的同篇論文摘要也確認了研究範圍與主要結果。評估涵蓋文字、影像及兩者合併的輸入，測試模型能否提出正確診斷。因此，研究衡量的不全是直接「看圖」的能力，也包括根據文字描述推論疾病。

答題方式會影響成績：要求模型自行寫出診斷時，合併準確率為42.9%；提供選項時則為58.1%。跨研究的統計模型比較估計，專家醫師準確率高出AI約13.0個百分點，95%信賴區間為0.9至25.2個百分點，P值為0.038。這是準確率的絕對差距，不能解讀為AI在每一種檢查或疾病上都固定落後相同幅度。

比較基礎也有邊界。48項研究中，只有12項納入醫師對照；上述差距來自跨研究模型估計，並非所有AI與醫師都在相同病例、相同條件下交手。病例組成與難度的差異可能影響結果，這些答題成績也不能直接換算成醫院日常診斷的錯誤率。

另一個容易誤讀的結果，是純文字輸入的表現優於只給影像或同時給圖文。作者提醒，文字有時已包含人員撰寫、整理過的影像發現，相當於先提供了重要線索；各組任務難度也未必一致。這個關聯支持進一步研究文字輔助用途，卻不能證明拿掉影像就能讓診斷更準。

證據品質同樣限制了結論的延伸：僅1項研究被評為低偏差風險，其他研究多為風險不明或偏高。測試材料也幾乎全為英文，對中文醫療情境的適用性尚無充分依據。加上文獻搜尋止於2025年3月，這份分析呈現的是當時模型與評估方法的證據，無法代表其後所有新版本的能力。

對臨床而言，下一步是釐清AI在哪些工作環節能提供可靠協助。作者提出，供醫師審閱的鑑別診斷建議等用途可繼續評估，但部署前應有標準化測試、足夠樣本及透明的方法報告。要判斷這類工具能否改善照護，還需要在貼近實際工作的條件下，檢驗醫師使用AI後的表現與安全性。