临床放射学杂志

作者：张金琦, 赵燕风, 朱正, 王小艺, 冯冰, 赵心明

单位：100021 北京,国家癌症中心/国家肿瘤临床医学研究中心/中国医学科学院北京协和医学院肿瘤医院影像诊断科

关键词：DeepSeek,肝脏疾病,影像文本,磁共振成像,诊断效能

基金：本研究系国家自然科学基金资助项目（编号：82102029）; 中国医学科学院肿瘤医院住培教学课题专项经费基金资助项目（编号：E2024015）; 中国医学科学院肿瘤医院临床研究课题和中央高水平医师临床科研业务费资助项目（LC2024A09）

<b>目的</b> 探讨人工智能（AI）模型DeepSeek与放射科医师在肝脏MRI影像报告诊断中的准确率差异,为AI辅助诊断的临床应用提供依据。<b>方法</b> 选取经病理确诊为肝脏疾病的84例患者,对其影像报告进行回顾性分析。由DeepSeek模型对报告医师、审核医师书写的影像学表现文本进行处理,分别得出诊断。以病理结果为金标准,对比DeepSeek与放射科医师诊断的准确率,分析DeepSeek处理不同来源文本的能力差异。<b>结果</b> 在判断肝脏疾病良恶性方面,审核医师的准确率略低于审核文本DeepSeek诊断（90.5% vs. 91.7%）,报告医师的准确率高于报告文本DeepSeek诊断（95.2% vs. 91.7%）;在疾病诊断准确率方面,审核医师优于审核文本DeepSeek诊断（79.8% vs. 73.8%）,报告医师亦优于报告文本DeepSeek诊断（82.1% vs. 71.4%）。DeepSeek分析不同类别报告医师的影像文本诊断准确率由高到低依次为进修医师（76.2%）、已规培医师（75.7%）、规培中医师（61.5%）。<b>结论</b> 基于影像文本的DeepSeek在肝脏疾病诊断中的准确率可能随着医师规范化培训的推进和临床经验积累而得到提升,其表现虽不如经验丰富的放射科医师,但应该了解DeepSeek作为诊断工具的当前性能,充分发挥它的作用。

来源：2025年第9期

《临床放射学》期刊编辑部

查看临床放射学杂志2025年第9期