不只給答案，還攤開判斷依據：CLEAR讓胸部X光AI接受概念稽核

胸部X光人工智慧即使答對，醫師仍可能不知道它究竟看見了病灶，還是抓住資料中碰巧共存的線索。賓夕法尼亞大學醫學院等機構的研究團隊提出CLEAR模型，試圖把這道黑箱拆開：除了輸出疾病機率，也呈現哪些放射學觀察推動了判斷，讓錯誤有機會被追查，而非只能接受或否決一個分數。

研究團隊以MIMIC-CXR、CheXpert-Plus與ReXGradient資料訓練CLEAR，共納入873,342組胸部X光與報告，涵蓋239,391名病人。系統從報告整理出368,294項觀察，包括心臟擴大、主動脈鈣化或特定部位陰影等描述，再讓影像與文字編碼器把X光所呈現的特徵對應到這個概念空間。

這種設計使CLEAR能在未針對個別疾病重新訓練的「零樣本」情境下，判斷肺炎、肺結節、胸腔積液及骨骼或血管異常，同時列出各概念對結果的貢獻。研究在美國、西班牙與越南的外部醫師標註資料上測試；在VinDr-CXR中，CLEAR跨多項發現的平均AUROC為0.782，高於次佳比較模型的0.750；在PadChest則為0.700，高於比較模型的0.668。不同資料集與病灶的表現仍有落差，不能把平均值視為所有臨床情境下的準確率。

可稽核性最具體的價值，出現在模型犯錯之時。團隊發現，用監督式分類器辨識「心縱膈擴大」時，模型竟高度依賴肺不張相關概念，反映訓練資料中兩種標籤經常同時出現。研究人員只保留與縱膈真正相關的概念並重新配適輕量分類器，不必重訓影像編碼器，便把AUROC由0.727提高至0.784。這項實驗顯示，概念解釋不只是事後展示，也可能用於定位混雜因子並介入修正。

不過，「說得出理由」並不等於已具備臨床安全性。概念庫來自既有報告，仍可能承接報告習慣、標註偏差與族群差異；研究也未窮盡所有攝影協定、病人族群及實際工作流程。論文中的統計比較部分未校正多重比較，而外部基準測試也不能取代前瞻性臨床試驗，尤其無法單獨證明模型能改善病人結果。

團隊已公開模型權重、程式與概念詞彙，讓其他研究者重現概念評分及稽核流程；但公開說明明確指出，CLEAR目前僅供研究，並非醫療器材，也未經驗證可用於診斷、治療或分流。若要走進醫院，監管與採購者除了檢查整體準確度，還必須確認概念歸因是否穩定、能否跨院所重現，以及人類該如何處理模型提出的理由與臨床判斷相衝突的情況。