文献速递胸部技术与安全CT

训练语料构成独立影响AI生成胸部CT印象的正负向引导:剂量-反应研究

Training Corpus Composition Independently Affects Positive and Negative Guidance in Artificial Intelligence-Generated Chest CT Impressions: A Dose-Response Study.
PubMed 文献 · AJR Am J Roentgenol · 2026-09-02

本研究探讨微调数据构成如何影响人工智能生成的胸部CT印象中的随访建议表达。结果显示,模型对指导性正向表述的掌握快于明确禁止性表述,后者需训练数据集中更高比例的代表性。报告生成模型应同时评估正确性与独特沟通习惯。

要点

  • 训练数据构成可独立影响AI生成CT印象的正负向引导表达。
  • 模型更快掌握正向表述,明确禁止性表述需更多训练样本。
  • 评估报告生成模型需兼顾正确性与沟通习惯。

核心结论

  • 微调数据构成独立影响AI生成胸部CT印象中正向与负向引导的表达,模型对正向表述掌握更快,明确禁止性表述需训练数据集中更高比例的代表性。

研究设计与样本

  • 剂量-反应研究,探讨微调训练语料构成对AI生成胸部CT印象中随访建议表达的影响,具体样本量、中心数及参考标准原文未报告。

临床应用与阅片要点

  • 日常阅片与报告使用AI生成印象时,应关注其随访建议的正负向表述是否恰当,注意模型可能更倾向正向引导而弱化明确禁止性表述。

局限性

  • 摘要未报告具体样本量、中心数及参考标准,研究设计细节有限。

以上解读依据论文摘要(全文未开放获取或许可不允许翻译转载)。

英文原文(摘要)· 点击展开

Fine-tuning data shapes how artificial intelligence–generated chest CT impressions communicate follow-up recommendations. Models grasp instructional positivity more swiftly than the need for clearly prohibitive statements, which requires increased representation of the latter within the training dataset. Report-generation models should be evaluated both for correctness and for unique communication habits.

来源:AJR Am J Roentgenol,查看原文。版权归原作者所有。

引用

  1. Dogra S, Wei J, Sharma S, et al. Training Corpus Composition Independently Affects Positive and Negative Guidance in Artificial Intelligence-Generated Chest CT Impressions: A Dose-Response Study. AJR Am J Roentgenol. 2026. PMID: 42684819. doi:10.2214/AJR.26.35329

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。