2026年5月7日,Nature Communications文獻《基于DeepSeek的AI系統用于臨床實踐中自動解讀胸部X光片》
1. 核心問題:針對全球放射科醫生短缺及基層醫療資源匱乏的現狀,開發一款能在普通硬件上高效運行、且經過前瞻性臨床驗證的AI胸片自動解讀系統,以提升診斷質量與效率。
2. 研究思路:基于DeepSeek多模態大模型Janus-Pro,利用MIMIC-CXR等數據集進行監督微調,構建僅10億參數的輕量級專用模型Janus-Pro-CXR。采用“大-小模型協同”框架,結合專家模型注入診斷邏輯,并在多中心進行回顧性測試與前瞻性臨床驗證。
3. 關鍵結果:
1)性能:在MIMIC-CXR測試集上,Micro-avg F1-5達63.4,RadGraph F1分數為25.8,AUC超0.8。
2)臨床:研究顯示,AI輔助組報告質量顯著提升(4.36±0.50 vs 4.12±0.80),閱片時間縮短18.3%(節省約27秒/例)。
3)硬件親民:在RTX 4060筆記本上推理延遲僅1-2秒。
4. 創新亮點:
1)將DeepSeek Janus-Pro模型成功遷移至醫學影像領域,并完成輕量化適配。
2)通過嚴謹的多中心前瞻性試驗,實證了AI在真實臨床場景中對 junior radiologist 的賦能效果。
3)模型開源且硬件要求低,打破了專用AI部署的高門檻。
5. 應用前景:該模型為基層醫院和資源受限地區提供了“低門檻、高效率”的AI輔助診斷解決方案,有望緩解放射科醫生工作負荷,推動智慧醫療在初級衛生保健中的普及。
Yaowei Bai, Ruiheng Zhang, Yu Lei, Xuhua Duan, Jingfeng Yao, Shuguang Ju, Chaoyang Wang, Wei Yao, Yiwan Guo, Guilin Zhang, Chao Wan, Qian Yuan, Lei Chen, Wenjuan Tang, Biqiang Zhu, Xinggang Wang, Tao Sun, Wei Zhou, Dacheng Tao, Yongchao Xu, Chuansheng Zheng, Huangxuan Zhao & Bo Du, A DeepSeek-powered AI system for automated chest radiograph interpretation in clinical practice, Nature Communications , 2026, https://doi.org/10.1038/s41467-026-72680-6
![]()
![]()
![]()
![]()
![]()
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.