临床放射学杂志

作者：赵凯, 马吉权, 孙中琪, 姜昊, 赵洁, 董云娇, 李诗雅, 李倩, 刘相如, 姜慧杰

单位：150086 哈尔滨医科大学附属第二医院赵 凯、孙中琪、姜 昊、赵 洁、董云娇、李诗雅、李 倩、刘相如、姜慧杰;150080 哈尔滨，黑龙江大学计算机科学技术学院马吉权

关键词：大型语言模型,放射报告,报告审核

基金：本研究系黑龙江省自然科学基金项目(编号:ZD2022H003、PL2024H127):黑龙江省博后课题项目(编号:LBH-Z23225)

<b>目的</b> 评估医学专用大型语言模型（LLM）在检测放射报告文本错误检测方面的效能。<b>方法</b> 回顾性搜集2024年12月至2025年1月200份标准的放射报告文本，随机抽取100份报告，由住院医师按照5种错误类别人工嵌入150处文本错误，并对其进行临床风险分级。医学专用LLM（MedGemma）、通用LLM（Qwen3）及三位不同年资的放射科医师模拟真实临床工作中的报告审核流程，在限定的2 h内审阅全部报告。以错误检出率和F1值作为主要评价指标，采用<em>Wald</em> &#x003c7;&#x000b2;方法比较不同模型与放射科医师在文本错误检测中的性能，并使用<em>Wilson</em>方法计算95%置信区间（CI）。审阅效率以平均阅读时间衡量，采用配对样本<em>t</em>检验分析组间差异，应用<em>Cohen's d</em>计算效应量以衡量差异的实际意义。<b>结果</b> 医学专用LLM（MedGemma）的错误检出率为91.33%（95%CI：85.74%~94.87%），与副主任医师检测结果[92.00%（95%CI：86.54%~95.36%）]相当（<em>P</em>=0.83），优于主治医师的80.67%（95%CI：73.61%~86.19%）、住院医师的76.67%（95%CI：69.28%~82.72%）及Qwen3的84.67%（95%CI：78.04%~89.56%），且在高危错误检出中表现优异[92.7%（95%CI：80.6%~97.5%）]。此外，MedGemma平均阅读时间为（17.54&#x000b1;3.47）s，审阅效率高于医师及Qwen3模型（<em>P</em>&#x0003C;0.001），<em>Cohen's d</em>值范围|1.33~2.40|。<b>结论</b> 医学专用LLM（MedGemma）在放射报告文本纠错中表现出高检出率、良好的高危错误识别能力及显著时间效率优势，具有作为临床辅助检测工具的潜力。

来源：2026年第2期

《临床放射学》期刊编辑部

查看临床放射学杂志2026年第2期