面向临床实践的DeepSeek驱动AI系统用于自动胸片解读
人工智能
2025-12-24 v1
摘要
全球放射科医生短缺问题因大量胸片工作负载而日益严重，尤其在初级诊疗机构。尽管多模态大语言模型显示出前景，但现有评估主要依赖自动化指标或回顾性分析，缺乏严谨的前瞻性临床验证。我们开发了Janus-Pro-CXR(1B)，这是一种基于DeepSeek Janus-Pro模型的胸片解读系统，并通过多中心前瞻性试验(NCT07117266)进行严格验证。我们的系统在自动化报告生成方面优于最先进的X射线报告生成模型，甚至超过了包括ChatGPT 4o(2000亿参数)在内的更大规模模型，同时可靠地检测到六项临床关键性放射学发现。回顾性评估确认，我们的报告准确率显著高于Janus-Pro和ChatGPT 4o。在前瞻性临床部署中，AI辅助显著提高了报告质量评分，缩短了解读时间18.3%(P<0.001)，且在54.3%的情况下受到专家偏好。通过轻量化架构和领域特定优化，Janus-Pro-CXR在资源受限环境中提高了诊断可靠性和工作流程效率。该模型的架构和实现框架将开源，以促进AI辅助放射学解决方案的临床转化。
引用
@article{arxiv.2512.20344,
title = {A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice},
author = {Yaowei Bai and Ruiheng Zhang and Yu Lei and Xuhua Duan and Jingfeng Yao and Shuguang Ju and Chaoyang Wang and Wei Yao and Yiwan Guo and Guilin Zhang and Chao Wan and Qian Yuan and Lei Chen and Wenjuan Tang and Biqiang Zhu and Xinggang Wang and Tao Sun and Wei Zhou and Dacheng Tao and Yongchao Xu and Chuansheng Zheng and Huangxuan Zhao and Bo Du},
journal= {arXiv preprint arXiv:2512.20344},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2507.19493