<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet href="/rss.xsl" type="text/xsl"?><rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>AI医疗 | 知识分享官</title><description>你当然会幸福、强大、所向披靡。</description><link>https://sk.88lin.eu.org</link><item><title>AI生成X片已经能以假乱真？随着AI技术的发展，用大语言模型（LLM）生成逼真的合成医疗影像（即“深度伪造”或deepfake）已成为现实</title><link>https://sk.88lin.eu.org/posts/CNSmydream-1028</link><guid isPermaLink="true">https://sk.88lin.eu.org/posts/CNSmydream-1028</guid><pubDate>Fri, 03 Apr 2026 05:00:39 GMT</pubDate><content:encoded>&lt;b&gt;AI生成X片已经能以假乱真？&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;随着AI技术的发展，用大语言模型（LLM）生成逼真的合成医疗影像（即“深度伪造”或deepfake）已成为现实。这给医疗诊断带来了潜在风险，比如可能被用于误导诊断。一项新研究评估了放射科医生和多种大语言模型（LLMs）能否区分由ChatGPT生成的合成X光片与真实的临床影像。&lt;br /&gt;&lt;br /&gt;研究团队邀请了17位来自不同国家的放射科医生，评估了154张影像（77张合成，77张真实）。结果显示，在不知情的情况下，41%的医生能识别出AI生成的影像。当医生被告知部分影像是合成的后，他们的准确率约为70%至75%，但不同医生之间差异不大。在LLMs测试中，GPT-4o和GPT-5能以85%和83%的准确率区分合成影像，而Llama 4和Gemini的准确率仅为59%和56%。合成影像的常见特征包括双侧对称、均匀的噪声或颗粒，以及过于平滑的软组织纹理和骨骼表面。&lt;br /&gt;&lt;br /&gt;研究结论指出，无论是放射科医生还是当前的大语言模型，都难以轻易区分AI生成的合成影像与真实影像。这凸显了在医疗领域识别和防范深度伪造技术的紧迫性。研究强调，为应对这一挑战，需要加强对医生和LLMs的培训，并利用像DeepFakeXRay这样的专用数据集。不过，研究也指出，样本量或模型版本可能影响结果，未来仍需更多研究来验证这些发现。&lt;br /&gt;&lt;br /&gt;&lt;blockquote&gt;放射科医生也怕“AI画”的X光片？&lt;i&gt;&lt;b&gt;😅&lt;/b&gt;&lt;/i&gt;&lt;/blockquote&gt;&lt;br /&gt;&lt;br /&gt;来源：&lt;a href=&quot;https://doi.org/10.1148/radiol.252094&quot; target=&quot;_blank&quot;&gt;Radiology&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;a href=&quot;/search/result?q=%23AI%E5%8C%BB%E7%96%97&quot;&gt;#AI医疗&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E5%90%88%E6%88%90%E5%BD%B1%E5%83%8F&quot;&gt;#合成影像&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E6%94%BE%E5%B0%84%E8%AF%8A%E6%96%AD&quot;&gt;#放射诊断&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23Deepfake&quot;&gt;#Deepfake&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B&quot;&gt;#大语言模型&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;via: 热心群友&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🧬&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/CNSmydream&quot; target=&quot;_blank&quot;&gt;频道&lt;/a&gt; ｜ &lt;i&gt;&lt;b&gt;🧑‍🔬&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/CNSmydream2&quot; target=&quot;_blank&quot;&gt;群组&lt;/a&gt; ｜ &lt;i&gt;&lt;b&gt;📨&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/sciReviewer_bot&quot; target=&quot;_blank&quot;&gt;投稿&lt;/a&gt;</content:encoded></item><item><title>🤖 ChatGPT Health&quot;体检不合格&quot;：紧急与不紧急情况易出错，漏诊风险高随着AI健康助手越来越普及，我们是否应该相信它能准确判断是否需要紧急就医？一项新研究对ChatGPT Health进行了严格测试，结果却揭示了令人担忧的漏洞</title><link>https://sk.88lin.eu.org/posts/CNSmydream-841</link><guid isPermaLink="true">https://sk.88lin.eu.org/posts/CNSmydream-841</guid><pubDate>Fri, 27 Feb 2026 23:59:58 GMT</pubDate><content:encoded>&lt;b&gt;&lt;i&gt;&lt;b&gt;🤖&lt;/b&gt;&lt;/i&gt; ChatGPT Health&quot;体检不合格&quot;：紧急与不紧急情况易出错，漏诊风险高&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;随着AI健康助手越来越普及，我们是否应该相信它能准确判断是否需要紧急就医？一项新研究对ChatGPT Health进行了严格测试，结果却揭示了令人担忧的漏洞。&lt;br /&gt;&lt;br /&gt;研究团队模拟了960个临床场景，发现系统在处理极端情况时表现最差。比如，对于糖尿病酮症酸中毒等紧急情况，系统竟有52%的漏诊率，建议患者等待24-48小时，而非立即去急诊。更奇怪的是，当家人或朋友淡化症状时，AI的分诊建议会显著偏向不紧急，风险比高达11.7倍。此外，在处理自杀意念时，危机干预信息有时会错误激活。&lt;br /&gt;&lt;br /&gt;这些发现表明，AI分诊系统在真实世界应用中可能存在严重的安全隐患。虽然患者种族、性别等因素未显著影响结果，但置信区间未排除临床意义差异，意味着仍需更多研究。研究警告，在缺乏充分验证前，不应将此类系统大规模用于消费者健康服务。&lt;br /&gt;&lt;br /&gt;&lt;blockquote&gt;AI分诊也怕极端情况，紧急和没病都容易搞错&lt;i&gt;&lt;b&gt;🤯&lt;/b&gt;&lt;/i&gt;&lt;/blockquote&gt;&lt;br /&gt;&lt;br /&gt;来源：&lt;a href=&quot;https://doi.org/10.1038/s41591-026-04297-7&quot; target=&quot;_blank&quot;&gt;Nature medicine&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;a href=&quot;/search/result?q=%23AI%E5%8C%BB%E7%96%97&quot;&gt;#AI医疗&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E5%88%86%E8%AF%8A%E7%B3%BB%E7%BB%9F&quot;&gt;#分诊系统&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23ChatGPT&quot;&gt;#ChatGPT&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E5%81%A5%E5%BA%B7%E5%8A%A9%E6%89%8B&quot;&gt;#健康助手&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E5%8C%BB%E7%96%97AI&quot;&gt;#医疗AI&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E5%AE%89%E5%85%A8%E9%A3%8E%E9%99%A9&quot;&gt;#安全风险&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;via: 热心群友&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🧬&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/CNSmydream&quot; target=&quot;_blank&quot;&gt;频道&lt;/a&gt; ｜ &lt;i&gt;&lt;b&gt;🧑‍🔬&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/CNSmydream2&quot; target=&quot;_blank&quot;&gt;群组&lt;/a&gt; ｜ &lt;i&gt;&lt;b&gt;📨&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/sciReviewer_bot&quot; target=&quot;_blank&quot;&gt;投稿&lt;/a&gt;</content:encoded></item><item><title>AI模型GluFormer能精准预测血糖风险，甚至心血管死亡？我们每天通过连续血糖监测（CGM）了解血糖波动，但如何更早发现潜在的健康风险？一项新研究提出AI模型GluFormer，它通过分析大量血糖数据，能预测未来血糖变化和疾病风险</title><link>https://sk.88lin.eu.org/posts/CNSmydream-748</link><guid isPermaLink="true">https://sk.88lin.eu.org/posts/CNSmydream-748</guid><pubDate>Sun, 25 Jan 2026 22:21:47 GMT</pubDate><content:encoded>&lt;b&gt;AI模型GluFormer能精准预测血糖风险，甚至心血管死亡？&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;我们每天通过连续血糖监测（CGM）了解血糖波动，但如何更早发现潜在的健康风险？一项新研究提出AI模型GluFormer，它通过分析大量血糖数据，能预测未来血糖变化和疾病风险。&lt;br /&gt;&lt;br /&gt;研究人员训练了GluFormer模型，使用超过1000万份来自10812名（主要是无糖尿病者）的血糖测量数据。该模型通过自监督学习，能跨不同人群、设备和病理状态（如糖尿病前期、肥胖等）进行预测。例如，在糖尿病前期人群中，它能区分出未来两年HbA1c显著升高的个体；在580名参与者的长期随访中，模型识别出最高风险四分位的个体中，66%发生了糖尿病，而心血管死亡也多集中在该组。&lt;br /&gt;&lt;br /&gt;这一发现表明GluFormer为代谢健康提供了通用框架，可能推动精准医疗。不过研究主要基于非糖尿病人群，且模型性能仍需更多验证，未来结合饮食数据预测血糖反应也值得期待。&lt;br /&gt;&lt;br /&gt;&lt;blockquote&gt;AI终于懂我的血糖了？&lt;i&gt;&lt;b&gt;🤖&lt;/b&gt;&lt;/i&gt;&lt;/blockquote&gt;&lt;br /&gt;&lt;br /&gt;来源：&lt;a href=&quot;https://doi.org/10.1038/s41586-025-09925-9&quot; target=&quot;_blank&quot;&gt;Nature&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;a href=&quot;/search/result?q=%23AI%E6%A8%A1%E5%9E%8B&quot;&gt;#AI模型&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E8%A1%80%E7%B3%96%E7%9B%91%E6%B5%8B&quot;&gt;#血糖监测&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E7%B3%96%E5%B0%BF%E7%97%85%E9%A2%84%E6%B5%8B&quot;&gt;#糖尿病预测&lt;/a&gt; &lt;a href=&quot;/search/result?q=%23%E7%B2%BE%E5%87%86%E5%8C%BB%E7%96%97&quot;&gt;#精准医疗&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🧬&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/CNSmydream&quot; target=&quot;_blank&quot;&gt;频道&lt;/a&gt; ｜ &lt;i&gt;&lt;b&gt;🧑‍🔬&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/CNSmydream2&quot; target=&quot;_blank&quot;&gt;群组&lt;/a&gt; ｜ &lt;i&gt;&lt;b&gt;📨&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://t.me/sciReviewer_bot&quot; target=&quot;_blank&quot;&gt;投稿&lt;/a&gt;</content:encoded></item></channel></rss>