胸片看不见腹股沟疝：研究警示医疗AI「捷径学习」导致性能虚高

文/IAICA.NGO®

一张胸部X光片，能看出患者有没有腹股沟疝吗？解剖学给出的答案是否定的：腹股沟区位于骨盆前下方，常规胸片根本覆盖不到该区域。然而一项最新研究警告，部分医学影像人工智能模型却能够以看似相当高的准确率「识别」出胸片中的腹股沟疝——它们辨认的并非病灶，而是数据本身留下的痕迹。

研究者将这类现象概括为「看见了并不存在的东西」。在内部回顾性测试集上，模型表现相当亮眼：曲线下面积显著高于随机水平，个别模型甚至超过部分资深放射科医师。但一旦更换医院、更换设备或调整投照条件，性能便迅速滑坡。这强烈提示，模型学到的并不是解剖学证据，而是与标签高度相关的混杂因素。

为什么会发生这种「捷径学习」？一种解释来自临床流程本身。疑似腹股沟疝、准备接受外科修补的患者，术前往往需要完成胸部X光检查，用以评估心肺功能与麻醉风险。于是「腹股沟疝」这个标签，便与特定的术前检查路径、特定科室、特定影像设备乃至特定体位产生了统计关联。模型捕捉到这些与疾病无关的信号，就能在训练集里「猜中」答案。

另一种解释指向公开数据集的固有缺陷。在广泛使用的大规模胸片数据集中，「疝」是十四类标注之一，样本量极小，且标注多由放射学报告文本自动抽取生成，而非逐例影像复核。报告中任何一次偶然提及，都可能把该病例归入疝的标签之下。这类噪声标签为模型提供了虚假的学习目标，也使该类别上的性能指标长期被高估。

这并非孤例。医学人工智能领域早有类似教训：有模型被宣称能从影像判断肺炎风险，事后发现它读取的其实是不同医院设备留下的标记；也有模型据称可通过眼底照片推断患者的种族或社会经济状况——这些「超能力」多来自设备与就诊差异，而非生理学证据。

风险的落点非常具体。当这类模型嵌入临床工作流，虚高的灵敏度与特异度会直接转化为误诊或过度检查：本无疝的患者被建议接受进一步影像或转诊，真正需要干预的人却被漏掉。对认知与表达能力下降的老年人，尤其是长期照护机构中的居住者，误判还可能叠加沟通障碍，带来不必要的焦虑、转运与支出。

监管层面同样面临考验。多数已上市的医学影像软件依赖回顾性研究作为性能证据，前瞻性、多中心外部验证相对稀缺。研究者呼吁，在审批与采购环节把「能否在异质人群与异构设备上复现」列为首要门槛，并将数据来源、标签生成方式与潜在混杂因素写入模型说明文件。近年在放射学领域兴起的报告规范，也已要求披露数据划分、外部验证结果与失败案例。

技术上并非无解。因果建模与去混淆训练、对罕见且易受流程影响的标签进行人工复核、在训练中显式引入医院与设备等协变量，都有助于压缩捷径空间。更务实的路径是把可解释性与前瞻性临床终点绑定：模型输出不仅要「看起来准」，还要能追溯到图像中的具体依据；若无法指出可信的解剖学证据，这一预测就不应进入临床决策。

iaica.com.cn 指出，在照护与健康场景中引入影像人工智能时，应把外部验证的可复现性置于论文报告的性能数字之上，并要求供应商提供标签生成与数据来源的完整说明，作为采购与部署的前置条件。

这一事件的真正价值，或许不在于否定医学影像人工智能，而在于提醒整个行业：模型的高分有时只是数据的回声。当算法声称看到了肉眼与解剖学都无法支持的东西，最需要的不是惊喜，而是追问——它究竟看见了什么，以及我们为什么相信它。

评论

0 条

登录后才可以发表评论。

立即登录

暂无评论，快来抢沙发。