AI读X光片过于自信，RadLE 2.0基准测试揭示风险

RadLE 2.0基准测试发现，AI模型在放射学诊断中常以完全自信输出错误结果，而人类放射科医生仍显著领先；AI在独立诊断前需学会“何时该保持沉默”。

• RadLE 2.0专门测试AI模型能否判断何时应将诊断留给人类，结果许多模型在错误时仍给出高置信度。
• 当前AI在放射学领域的表现仍不及人类医生，尤其在罕见病变或复杂病例中，过度自信可能导致误诊风险。
• 研究强调，AI辅助诊断应优先提升不确定性表达能力，而非追求全自动诊断。
• 影响/看点：该基准测试为AI医疗应用敲响警钟——模型需要学会“自知之明”，未来AI辅助诊断系统的可信度评估将更注重校准和不确定性量化。

本内容由 AI 生成，仅供参考，请注意甄别