AI生成的X光片可欺騙放射科醫生

圖源：The Rise of Deepfake Medical Imaging: Radiologists’ Diagnostic Accuracy in Detecting ChatGPT-generated Radiographs

好的牙·訊｜2026年3月24日，發表于北美放射學會（RSNA）會刊《Radiology》期刊的一項研究顯示，放射科醫生及多模態大語言模型（LLMs）均難以分辨真實的X光片與AI生成的“深度偽造”圖像。在未獲知包含偽造圖像的情況下，放射科醫生識別AI生成的X光片準確率僅為41%。

該項研究由紐約西奈山伊坎醫學院研究團隊完成，共納入了來自6個國家的12家機構的17名放射科醫生，涵蓋了從初學者到執業40年的資深專家。研究共測試了264張X光片，其中包括由ChatGPT生成的身體各部位影像，以及使用斯坦福大學開發的開源生成式AI擴散模型RoentGen生成的胸部影像。

實驗數據顯示，當醫生被告知存在合成影像后，其平均識別準確率提升至75%。而在AI模型表現方面，GPT-4o、GPT-5、Gemini 2.5 Pro及Llama 4 Maverick的準確率在57%至85%之間。值得注意的是，盡管ChatGPT-4o表現優于其他模型，但作為圖像生成工具的它，仍無法完全識別出所有由其生成的偽造影像。

研究人員指出，這些高度逼真的偽造影像不僅可能在虛假訴訟中作為證據，還存在嚴重的信息安全風險。若黑客侵入醫院網絡并注入合成影像，可能導致誤診并破壞數字病歷的可靠性。目前，偽造影像在視覺上呈現出“過于完美”的特征，如骨骼過滑、脊柱異常筆直、血管分布過度均勻等，但在未來的AI演進中，這些特征可能進一步消失。

此前，好的牙曾報道韓國延世大學牙科學院實習課程中出現篡改X光片的學術造假事件：部分學生使用Photoshop修補或替換影像，以掩蓋操作失誤。彼時造假依賴人工，尚有痕跡可查。而本次發表于《Radiology》的研究進一步提示，在生成式AI介入后，偽造影像的逼真度可能持續上升，欺詐與誤導的潛在風險隨之擴大。

制度層面的應對同樣滯后。根據好的牙此前報道，紐約州已擬立法禁止AI聊天機器人直接提供醫療建議，將AI風險納入監管視野；但針對影像真實性的系統性保護機制，目前仍屬空白。為此，研究建議醫療影像領域在圖像捕獲時嵌入不可見水印及加密簽名，以驗證來源真實性。

研究人員同樣指出，該研究目前仍存在一定局限性：樣本量相對較小且實驗環境與真實臨床場景存在差異，深度偽造技術在CT和MRI等3D影像中的影響仍有待進一步驗證。

【特別鳴謝】如果本文有錯漏之處需要勘誤，請聯系我們的客服，屆時我們會為您準備小禮物，感謝！

【免責聲明】上述內容源于公開信息，可能存在不準確性，僅供參考。本文不構成對任何人的投資與決策建議，好的牙不對因使用本資料而導致的損失承擔任何責任，并對本內容擁有最終解釋權。文中圖片均已獲版權方授權

@好的牙口腔行業研究