2026年5月7日,Nature Communications文献《基于DeepSeek的AI系统用于临床实践中自动解读胸部X光片》
1. 核心问题:针对全球放射科医生短缺及基层医疗资源匮乏的现状,开发一款能在普通硬件上高效运行、且经过前瞻性临床验证的AI胸片自动解读系统,以提升诊断质量与效率。
2. 研究思路:基于DeepSeek多模态大模型Janus-Pro,利用MIMIC-CXR等数据集进行监督微调,构建仅10亿参数的轻量级专用模型Janus-Pro-CXR。采用“大-小模型协同”框架,结合专家模型注入诊断逻辑,并在多中心进行回顾性测试与前瞻性临床验证。
3. 关键结果:
1)性能:在MIMIC-CXR测试集上,Micro-avg F1-5达63.4,RadGraph F1分数为25.8,AUC超0.8。
2)临床:研究显示,AI辅助组报告质量显著提升(4.36±0.50 vs 4.12±0.80),阅片时间缩短18.3%(节省约27秒/例)。
3)硬件亲民:在RTX 4060笔记本上推理延迟仅1-2秒。
4. 创新亮点:
1)将DeepSeek Janus-Pro模型成功迁移至医学影像领域,并完成轻量化适配。
2)通过严谨的多中心前瞻性试验,实证了AI在真实临床场景中对 junior radiologist 的赋能效果。
3)模型开源且硬件要求低,打破了专用AI部署的高门槛。
5. 应用前景:该模型为基层医院和资源受限地区提供了“低门槛、高效率”的AI辅助诊断解决方案,有望缓解放射科医生工作负荷,推动智慧医疗在初级卫生保健中的普及。
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
![]()
![]()
![]()
![]()
![]()
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
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.