把 CT 掃描當影片看：用追蹤演算法偵測腦出血

放射科醫師看 CT 的時候，不是盯著一張固定的圖片——他們會滑過每一層切片，在腦海中「追蹤」病灶的連續性。伊朗 K.N. Toosi 理工大學的研究團隊把這個直覺變成了演算法：把 CT 的 z 軸當成時間軸，讓影片追蹤技術來驗證病灶是否真實存在。急診室的瓶頸：CT 量暴增，放射科醫師不夠用 過去幾年，急診室的 CT 使用量呈指數成長。問題是，放射科醫師的數量沒跟上。 這造成了一個危險的等待隊列——病人躺在那裡，腦出血可能正在惡化，但報告還沒出來。更糟的是，這個病人可能排在一堆「正常」的 CT 後面。 對於顱內出血（ICH）來說，診斷延遲直接關聯到不可逆的神經損傷和死亡率。 所以，這個 AI 系統的角色不是取代醫師寫報告，而是當自動分診員——掃描每一個進來的 CT，偵測到疑似出血就把它往前排，讓醫師優先處理最緊急的案例。 但要做到這一點，AI 得先解決一個問題：誤報。問題不是漏診，是誤報太多 現有的 2D 檢測器（如 YOLO）確實很敏感——一張切片有疑似出血，它就會標記。 但問題來了：它也會對骨頭邊緣、血管鈣化、掃描雜訊發出警報。 如果每個警報都讓醫師優先處理，很快就會警報疲勞——看到太多假警報，反而開始忽略。這比沒有 AI 還危險。 那 3D 卷積網路呢？它可以判斷「連續多張都有病灶」才發警報，但需要超大 GPU 記憶體（標準 3D CNN 動輒 50M+ 參數），沒辦法在救護車上或小型醫院的電腦跑。 這篇論文的解法：用追蹤演算法模擬 3D 連續性驗證——不需要真的做 3D 卷積，只要用影片追蹤的邏輯，過濾掉「只出現一張」的雜訊。把 CT 當影片：YOLO + ByteTrack 核心思路很簡單：放射科醫師滑過切片時會「追蹤」病灶，那 AI 也可以這樣做。 具體做法分兩層： 第一層：2D 檢測（YOLOv11n）每張切片獨立跑一次 YOLO，標記出疑似出血的區域 使用 Nano 版本（只有 2.6M 參數），比標準 3D CNN（50M+）輕了 20 倍以上第二層：跨切片追蹤（ByteTrack）把 CT 的 z 軸當成「時間軸」，每張切片就是一幀 ByteTrack 會追蹤同一個病灶在不同切片的位置 過濾邏輯：檢查第 z 張的標記與第 z-1、z+1 張是否有空間重疊（IoU > 0） 如果前後都沒有重疊→ 判定為孤立雜訊，過濾掉 如果前後至少有一張重疊→ 判定為真正病灶，保留額外技巧：雙向追蹤追蹤器有「暖機延遲」問題：演算法需要累積幾幀資訊才能確認軌跡，所以最初幾張切片可能會漏掉 解法：從頭到尾跑一遍，再從尾到頭跑一遍，兩次結果合併——這樣頭尾都不會漏結果：誤報少了，敏感度沒掉 研究團隊用 Hemorica 資料集做實驗（327 位病患，12,067 張切片）。 他們比較了兩種做法：基準線：只用 YOLO（每張切片獨立判斷，沒有前後記憶） 本論文方法：YOLO + 追蹤（先標記，再過濾掉孤立的雜訊）結果：指標 只用 YOLO YOLO + 追蹤Precision（精確度） 70.3% 77.9%Recall（敏感度） 64.3% 64.7%解讀（以切片為單位評估）：精確度提升了 7.6 個百分點——代表誤報變少了 敏感度幾乎持平——代表沒有因為過濾而漏掉真正的病灶這對臨床有什麼用？ 這套系統的目標是算力受限的環境：行動中風單位（救護車上的小型 CT） 偏遠地區的小型醫院這些地方的電腦跑不動 3D 卷積網路，但現在可以用這套輕量級方案：只需要 2.6M 參數的小模型 不需要高端 GPU 可以在標準硬體上即時運行核心價值：讓沒有高端設備的地方，也能做到即時分診判斷。 ⚠️ 限制與注意事項 這套方法並非萬能，以下情境可能會失效：小出血：只佔 1-2 張切片的微小出血，可能被當成「孤立雜訊」過濾掉 厚切層 CT：切片間距大時，病灶可能跨張不連續 高密度干擾：骨窗邊界、鈣化、對比劑殘留可能造成誤判 跨醫院泛化：測試集表現比訓練集下降（F1 從 0.974 降到 0.707），不同醫院的影像特性可能影響準確度總結 一個簡單的視角轉換——把 CT 的 z 軸當成時間軸——讓輕量級 AI 也能做到 3D 連續性驗證。 這套方法的優勢：輕量：只需要 2.6M 參數的小模型 有效：精確度從 70.3% 提升到 77.9% 不犧牲敏感度：真正的病灶不會被過濾掉對於資源受限的環境（如行動中風單位、偏遠醫院），這提供了一個可行的即時分診方案。放射師視角：能在自己醫院用嗎？ 目前這是研究階段的概念驗證，沒有現成可下載的完整系統。 如果想部署到醫院，需要自行整合 PACS 接收影像，並建立通知機制發送警報給急診醫師。 開源資源（供有興趣的醫院自行研究）：論文原文：arXiv:2601.02521 YOLO（物件偵測）：Ultralytics GitHub ByteTrack（追蹤演算法）：ByteTrack GitHub Hemorica 資料集：arXiv:2509.22993

AI 輔助肺結節偵測：最新技術與臨床應用

前言 肺癌是全球癌症死亡的主要原因之一，早期發現是提高存活率的關鍵。近年來，AI 輔助肺結節偵測技術快速發展，為放射科醫師提供了強大的輔助工具。 AI 技術突破 深度學習模型能夠在 CT 影像中自動識別微小結節（小於 5mm），準確率已超過 90%。這些技術不僅能偵測結節，還能預測其惡性機率。 臨床應用優勢提高偵測率：減少人為疏漏 標準化流程：統一診斷標準 節省時間：加速影像判讀未來展望 隨著技術進步和資料累積，AI 輔助診斷將成為放射科的標準配備，協助醫師做出更精準的判斷。

81.1% vs 61.1%——GPT-5.2 與開源模型的 RADS 分類準確率差距，能被縮小嗎？

為什麼放射科需要一套「共同語言」？ 影像報告如果沒有標準化輸出，臨床端就很難得到明確的處置指引。RADS 系統就是為此而生——它把影像發現轉成統一的風險分級，讓後續決策有據可循。 舉個例子：乳房攝影看到一個結節，BI-RADS 2 表示「良性發現」，BI-RADS 5 則是「高度懷疑惡性，建議切片」。一個數字，臨床就知道下一步該怎麼做。 目前常用的 RADS 有十幾種：乳房的 BI-RADS、肝臟的 LI-RADS、前列腺的 PI-RADS……每一套都有自己的判斷邏輯。 但這些規則有多複雜？ 以 LI-RADS 來說，判斷一顆肝臟腫瘤就像在玩一場「連續選擇題」：先看動脈期有沒有強化？有的話，洗出夠不夠快？有沒有包膜？門脈有沒有被侵犯？每一關的答案都會影響最終分類。光記住這張決策樹就夠累了，更別提每天幾十份報告等著處理。 如果 AI 能自動幫忙分類呢？ 有團隊做了一個實驗：用 1,600 份模擬報告（由 AI 生成、再經放射科醫師審過），讓 41 個開源模型和 GPT-5.2 比賽，看誰能正確判讀 RADS 分類。 結果？最好的開源模型已經追到專有模型的 96%——但差距全集中在最難的那 20% 任務上。測試資料從哪來？ 要比 AI 的能力，先得有一套標準考題。研究團隊準備了 1,600 份模擬放射報告，涵蓋 10 種 RADS 系統。為什麼用模擬的？因為真實報告有隱私問題，而且要請醫師一份一份讀、一份一份標正確答案，太花時間。模擬報告則可以控制每種情境的數量，測起來更全面。 怎麼確保「假報告」像真的？研究團隊用了三招：用多個 AI 模型（GPT、Claude、Gemini）一起生成，避免風格太單一 模擬 5 種醫師的寫作習慣（從資深專家到住院醫師） 最後請真人放射科醫師審兩輪，確認內容合理、分類正確當然，模擬再像也不是真的——這是這套測試的主要限制。模型大小，真的有差嗎？ 這次測試了 41 個開源模型，參數量從 0.27B 到 32B 不等。加上 OpenAI 的 GPT-5.2 當作比較基準。 整體成績單 準確率比較：GPT-5.2：81.1% 開源模型平均：61.1% 最佳開源（20-32B）：78%「有效輸出率」是什麼？就是模型有沒有按照指令、好好回答一個 RADS 分類。小模型常常答非所問，或格式錯誤——這在臨床上等於沒用。 10B 是個分水嶺 把模型按大小分組，規律很明顯：≤ 1B：27%（幾乎是亂猜） 1-10B：58% 10-30B：73-74% GPT-5.2：81%跨過 10B 門檻後，準確率才開始逼近 GPT-5.2。開啟「思考模式」有用嗎？ 有些開源模型支援「Thinking mode」——讓 AI 先推理一輪再回答。 以開源模型來說：開啟 Thinking：68.4% 不開：56.5%差了 12%，效果明顯。 而 GPT-5.2 的 81.1% 準確率，也是在 Thinking 模式下測得的——所以「讓模型想一下再回答」這招，不管開源或專有模型都有效。「指引式提示詞」也很重要 除了 Thinking 模式，怎麼下指令也影響結果。 研究團隊比較了兩種方式：指引式提示詞（Guided prompting）：給 AI 詳細的系統指令，包含 RADS 規則、輸出格式限制 零樣本提示（Zero-shot）：只說「讀這份報告，輸出 RADS 分類」結果：指引式：78.5% 零樣本：69.6%差了將近 9%。所以不只是模型大小，怎麼問也很關鍵。哪些 RADS 最難判？ 不是所有 RADS 都一樣難。研究團隊給每個系統打了「複雜度分數」，滿分 10 分。 複雜度排名：LI-RADS（肝臟 CT/MRI）：10 分 ← 最難 PI-RADS（前列腺）：9 分 O-RADS（卵巢 MRI）：8 分 BI-RADS（乳房 MRI）：7 分 Lung-RADS（肺）：4 分 ← 相對簡單為什麼 LI-RADS 最難？ 因為它像在玩「連續選擇題」：動脈期強化了嗎？洗出夠快嗎？有包膜嗎？每一關的答案都影響下一步。而且很多判斷帶有主觀性——「這算洗出嗎？」不同醫師可能有不同答案。 相比之下，Lung-RADS 主要依據結節大小和生長速度來分類，規則相對明確，判讀的主觀空間較小。 複雜度如何影響 AI 表現？ 這裡差距最明顯： 高複雜度任務（LI-RADS、PI-RADS）：GPT-5.2：90% 開源模型：49.4%低複雜度任務（Lung-RADS）：GPT-5.2：91% 開源模型：73.5%簡單任務大家都還行，但一碰到複雜的，開源模型就掉隊了。 實務建議：怎麼選模型？ 如果資源充足（硬體夠強、不在意 API 費用），直接用 GPT-5.2 或 32B 開源模型處理所有任務最省事。 但如果需要考慮成本、速度或本地部署限制，可以分級處理：簡單任務（Lung-RADS、LI-RADS 超音波）→ 10B+ 開源模型就夠用 中等任務（BI-RADS、TI-RADS）→ 20-32B 開源 + 指引式提示詞 複雜任務（LI-RADS CT/MRI、PI-RADS）→ GPT-5.2，或混合管線（AI + 規則引擎）結論：開源模型能用了嗎？ 簡單說：可以，但要看情況。 值得期待的發展20-32B 開源模型已經能達到 GPT-5.2 約 96% 的準確率 可以本地部署，不用擔心病患資料外洩 搭配 Thinking 模式 + 指引式提示詞（Guided prompting），效果更好需要注意的限制高複雜度任務（LI-RADS CT/MRI、PI-RADS）開源模型仍有明顯差距 小模型（<10B）格式錯誤率高，不適合直接用 模擬報告畢竟不是真實報告，實際表現可能有落差如果你想在臨床試用驗證輸出格式：確保 AI 真的回答了一個 RADS 分類，不是答非所問 人工複核：特別是高風險類別（如 LI-RADS 5），一定要有人看過 混合管線：論文建議可以讓 AI 先抽取特徵，再用規則引擎（rule engine）做最終判定，減少自由格式輸出的錯誤論文資訊 原文標題：Multi-RADS Synthetic Radiology Report Dataset and Head-to-Head Benchmarking of 41 Open-Weight and Proprietary Language Models 來源：arXiv:2601.03232v1 [cs.CL] 6 Jan 2026 作者：Bose K, Kumar A, Soundararajan R, et al. 資源：GitHub - RadioX-Labs/RADSet

骨折 AI 自動標註系統：急診的智能助手

急診挑戰 急診室每天處理大量外傷病患，骨折診斷需要快速且準確。傳統方式完全依賴放射科醫師判讀，在高峰時段容易造成延遲。 AI 解決方案 骨折 AI 系統能在數秒內分析 X 光影像，自動標註可疑骨折區域，並依嚴重程度分級。系統整合 PACS，無縫融入現有工作流程。 實測成果偵測率：95% 以上 處理速度：平均 3 秒/張 漏診降低：減少 40%臨床價值 AI 不是取代醫師，而是作為「第二雙眼睛」，協助醫師在繁忙的急診環境中快速篩檢，確保沒有遺漏重要發現。 展望 未來將擴展至骨質疏鬆評估和骨齡判定，成為全方位的骨科影像分析平台。

腦出血影像分割：神經外科的即時決策工具

爭分奪秒的挑戰 急性腦出血是神經外科的緊急狀況，出血量和位置直接影響治療策略。傳統手動測量耗時且主觀性高。 AI 分割技術 3D U-Net 架構能自動分割出血區域，計算精確體積，並標示與重要腦區的關係。整個過程在 10 秒內完成。 關鍵優勢即時性：急診到報告不到 1 分鐘 精準度：體積誤差 < 5% 可量化：追蹤出血擴大情況臨床整合 系統與醫院 PACS 無縫整合，自動觸發分析並推送結果到神經外科會診系統，大幅縮短決策時間。 未來發展 結合預測模型，評估出血擴大風險，提供更全面的治療建議。

乳房攝影 AI 篩檢：提升早期乳癌偵測率

乳癌篩檢重要性 乳癌是女性常見癌症，早期發現存活率可達 90% 以上。乳房攝影是最有效的篩檢工具，但判讀需要專業經驗。 AI 輔助判讀 深度學習模型經過數十萬張影像訓練，能識別：微小鈣化（< 1mm） 不規則腫塊 組織密度異常雙重判讀機制 AI 系統作為「第一讀者」快速篩檢，標註可疑區域，放射科醫師進行「第二讀者」確認。這種雙重機制顯著降低漏診率。 臨床數據 大型研究顯示：偵測率提升 8-12% 召回率降低 5% 判讀時間減少 30%未來整合 結合 AI 風險評估模型，為高危險群提供個人化篩檢建議，實現精準預防醫學。