在人工智能（AI）生成内容席卷全球的背景下，医学影像的真实性正面临前所未有的挑战。近日，发表在《放射学》（Radiology）杂志上的一项研究显示，无论是资深的放射科医生还是最先进的多模态大语言模型（LLMs），都难以稳定识别由 AI 生成的“深伪（Deepfake）”X 射线图像。这一发现引发了对医疗数据完整性、虚假诉讼及网络安全风险的广泛担忧。
该研究由纽约西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）的 Mickael Tordjman 医学博士领衔，揭示了医疗AI发展过程中隐藏的“双刃剑”效应。
研究设计：横跨六国的“人机识别大战”
为了评估人类专家与 AI 在识别合成影像方面的能力，研究团队组织了一项回顾性研究，邀请了来自美国、法国、德国、土耳其、英国和阿联酋 6 个国家的 12 个中心的 17 名放射科医生参与，其从业经验涵盖 0 到 40 年。
研究共采用了 264 幅 X 射线图像，其中一半为真实影像，另一半由 AI 生成：
-
数据集一： 包含多个解剖部位，由 ChatGPT 生成。
-
数据集二： 专门针对胸部 X 射线，由斯坦福大学研究人员开发的开源生成式 AI 扩散模型 RoentGen 生成。
核心发现：AI 影像已达“乱真”程度
研究结果显示，深伪 X 射线图像的逼真程度足以欺骗受过严格训练的医学影像专家。
-
人类专家表现： 在放射科医生不知道实验真实目的的情况下，仅有 41% 的人能自发识别出图像异常。在告知存在合成图像后，医生的平均识别准确率仅为 75%。值得注意的是，从业年限与识别准确率之间不存在相关性，但骨科放射科医生（Musculoskeletal radiologists）表现出更高的敏感度。
-
大模型表现： 多模态大模型如 GPT-4o、GPT-5、Gemini 2.5 Pro 和 Llama 4 Maverick 的表现同样参差不齐，准确率在 52% 至 89% 之间波动。甚至连用于生成这些图像的 GPT-4o 模型，也无法百分之百识别出自己的“作品”。
专家警示：“太完美”或是最大漏洞
虽然 AI 生成的图像极具欺骗性，但 Tordjman 博士指出了一些微小的“合成特征”：
-
过度完美： 骨骼边缘过于平滑，脊柱异常笔直，肺部纹理过度对称。
-
特征异常： 血管模式极其统一；骨折线呈现出一种不自然的流畅与一致感，且往往仅限于骨骼的一侧（Unicortical）。
Tordjman 博士警告说：“这为欺诈性诉讼制造了巨大的风险，例如伪造一个肉眼无法分辨的骨折。此外，如果黑客入侵医院网络注入合成图像，可能会操纵诊断结果，造成临床混乱并破坏电子病历系统的根本可靠性。”
解决方案：构建数字“防火墙”
面对潜在的威胁，研究建议采取多重防范措施：
-
数字水印（Invisible watermarks）： 在影像中嵌入所有权或身份数据的隐形信息。
-
加密签名： 在拍摄影像的同时，自动附加与技师身份绑定的加密签名。
-
教育与工具： 建立专门的教育数据集，训练医生识别 AI 生成的痕迹。
总结与展望
“我们现在看到的可能只是冰山一角，”Tordjman 博士表示，“进化的下一步将是 3D 合成影像，如 CT 和 MRI。”这项研究不仅敲响了警钟，更强调了在享受 AI 带来的效率提升时，必须同步构建保护医疗影像真实性的技术壁垒。
参考文献：
The Rise of Deepfake Medical Imaging: Radiologists' Diagnostic Accuracy in Detecting ChatGPT-generated Radiographs, Radiology (2026).
The study's authors have published a curated deepfake dataset with interactive quizzes for educational purposes.
编辑：王洪
排版：李丽
评论 (0)