微软评估 GPT-4 放射学能力：生成的报告摘要，有时比医生写的更好

大家聊起 AI 看病，脑子里通常浮现的是算法盯着 X 光片找肿瘤。但在医院里，放射科医生很大一部分时间其实不是在看片子，而是在电脑前敲报告。

微软研究院在自然语言处理顶会 EMNLP 2023 上公布了一项新研究，题目叫《探索 GPT-4 在放射学中的边界》。他们拉上了旗下的 Nuance 团队，后者的报告软件 PowerScribe 覆盖了全美 80% 以上的放射科医生。

双方找来有执业认证的放射科医生一起搭了一套评测体系，专门测试 GPT-4 到底能不能帮医生处理放射报告。

读报告和写总结，表现超过老模型

这次测试没有停留在普通的跑分上，而是针对放射科日常的实际语言任务，比如疾病分类和检查结果总结。

研究团队测试了零样本、少样本以及思维链等提示词策略，拿 GPT-4 和以前的 GPT-3.5 以及各任务现有的最优专用模型对比。

在部分任务上，GPT-4 直接刷新了纪录，比现有的最佳模型绝对指标提升了大约 10 个百分点。

更让人意外的是报告总结任务。研究发现，GPT-4 生成的放射报告总结，质量已经媲美经验丰富的放射科医生；在部分对比案例中，评测人员甚至更倾向于 GPT-4 写出的版本。

除了写总结，GPT-4 还能把非结构化的复杂报告梳理成规范格式。平常医生的记录习惯各不相同，报告又长又杂，其他科室调阅或者做临床科研都很头疼。整理成统一结构后，既方便检索，也能直接作为真实世界数据补充到临床研究中。

研究还提到了另一个方向：让大模型把晦涩难懂的医学黑话，转译成普通患者和家属看得懂、有同理心的语言，减少医患沟通的摩擦。

不过团队也明确指出，这项技术目前必须在人工监督下使用，后续还需要大量严谨的研究和临床试验来验证准确性与可靠性，相关工作属于微软的 Project MAIRA 项目。

为什么重要

我们认为，这项研究最聪明的地方在于切入点。医疗 AI 过去几年死磕图像识别，不仅审批门槛极高，还经常陷入误诊定责的泥潭。微软这次转向放射科医生的文书重负，从打杂性质的文本整理做起，阻力明显小得多。

对放射科医生来说，Nuance 的软件本来就垄断了全美大部分工作台，未来如果把 GPT-4 的总结和结构化能力直接内嵌进去，医生不需要改变任何工作流，就能省去大量码字时间。

不过隐患同样不容忽视。哪怕只有极低概率的幻觉，一旦出现在病历总结里漏掉了关键病灶，后果都很难挽回。目前大模型写出来的总结虽然读起来通顺，但在未经大规模前瞻性临床试验验证前，没有任何医生敢彻底放手让它代劳。现阶段它更像是一个高质量的草稿生成器，最终签字把关的责任依然全在医生肩上。