微軟評估 GPT-4 放射學能力：生成的報告摘要，有時比醫生寫的更好

大家聊起 AI 看病，腦子裡通常浮現的是演算法盯著 X 光片找腫瘤。但在醫院裡，放射科醫生很大一部分時間其實不是在看片子，而是在電腦前敲報告。

微軟研究院在自然語言處理頂會 EMNLP 2023 上公佈了一項新研究，題目叫《探索 GPT-4 在放射學中的邊界》。他們拉上了旗下的 Nuance 團隊，後者的報告軟體 PowerScribe 覆蓋了全美 80% 以上的放射科醫生。

雙方找來有執業認證的放射科醫生一起搭了一套評測體系，專門測試 GPT-4 到底能不能幫醫生處理放射報告。

讀報告和寫總結，表現超過老模型

這次測試沒有停留在普通的跑分上，而是針對放射科日常的實際語言任務，比如疾病分類和檢查結果總結。

研究團隊測試了零樣本、少樣本以及思維鏈等提示詞策略，拿 GPT-4 和以前的 GPT-3.5 以及各任務現有的最優專用模型對比。

在部分任務上，GPT-4 直接重新整理了紀錄，比現有的最佳模型絕對指標提升了大約 10 個百分點。

更讓人意外的是報告總結任務。研究發現，GPT-4 生成的放射報告總結，質量已經媲美經驗豐富的放射科醫生；在部分對比案例中，評測人員甚至更傾向於 GPT-4 寫出的版本。

除了寫總結，GPT-4 還能把非結構化的複雜報告梳理成規範格式。平常醫生的記錄習慣各不相同，報告又長又雜，其他科室調閱或者做臨床科研都很頭疼。整理成統一結構後，既方便檢索，也能直接作為真實世界資料補充到臨床研究中。

研究還提到了另一個方向：讓大模型把晦澀難懂的醫學黑話，轉譯成普通患者和家屬看得懂、有同理心的語言，減少醫患溝通的摩擦。

不過團隊也明確指出，這項技術目前必須在人工監督下使用，後續還需要大量嚴謹的研究和臨床試驗來驗證準確性與可靠性，相關工作屬於微軟的 Project MAIRA 專案。

為什麼重要

我們認為，這項研究最聰明的地方在於切入點。醫療 AI 過去幾年死磕影像識別，不僅審批門檻極高，還經常陷入誤診定責的泥潭。微軟這次轉向放射科醫生的文書重負，從打雜性質的文本整理做起，阻力明顯小得多。

對放射科醫生來說，Nuance 的軟體本來就壟斷了全美大部分工作臺，未來如果把 GPT-4 的總結和結構化能力直接內嵌進去，醫生不需要改變任何工作流，就能省去大量碼字時間。

不過隱患同樣不容忽視。哪怕只有極低機率的幻覺，一旦出現在病歷總結裡漏掉了關鍵病灶，後果都很難挽回。目前大模型寫出來的總結雖然讀起來通順，但在未經大規模前瞻性臨床試驗驗證前，沒有任何醫生敢徹底放手讓它代勞。現階段它更像是一個高質量的草稿生成器，最終簽字把關的責任依然全在醫生肩上。