想象一下，当你做完膝盖核磁共振成像（MRI）后，医生告诉你“内侧半月板后角存在轻度基质退化”。对于大多数没有医学背景的人来说，这种术语几乎无法理解，更不用说从中得出什么行动建议了。正因如此，斯坦福大学的放射科医生开发了一种大型语言模型（LLM），旨在解答患者关于X光、CT、MRI、超声波、PET扫描以及血管造影等影像检查的疑问。
借助这一模型，接受膝关节MRI的患者可以获得更加清晰且简单的解释：膝盖中的半月板是一种起到缓冲作用的组织，就像枕头一样，现在这个“枕头”稍微变平了，但仍然可以正常发挥作用。
这款被命名为“RadGPT”的LLM可以从放射科医生的报告中提取关键概念，并对这些概念进行解释，同时提出可能的后续问题。相关研究成果本月发表于《美国放射学会杂志》（Journal of the American College of Radiology）。
斯坦福大学放射学、医学和生物医学数据科学教授，同时也是斯坦福大学以人为本的人工智能研究院（HAI）高级研究员及本研究资深作者的Curtis Langlotz表示，传统上，要理解放射科医生撰写的影像检查技术报告，需要具备一定的医学专业知识。“我们希望这项技术不仅能帮助解释结果，还能改善医生与患者之间的沟通。”
自2021年起，《21世纪治愈法案》（21st Century Cures Act）赋予了美国患者获取电子版放射学报告的联邦保护权利。然而，Langlotz认为，像RadGPT这样的工具可以让患者更好地参与到自己的治疗过程中，因为他们能够更清楚地了解检查结果的实际含义。
“医生并不总是有时间逐条解释报告内容，”Langlotz说道，“我认为那些真正了解自己病历内容的患者会得到更好的护理，并提出更有针对性的问题。”
为了开发RadGPT，斯坦福团队选取了30份样本放射学报告，并从每份报告中提取出五个核心概念。基于这150个概念，他们编写了相应的解释以及三组患者可能常问的问答对。五位放射科医生审阅了这些解释后认为，该系统不太可能产生幻觉或输出其他有害信息。
尽管人工智能目前仍无法直接准确解读原始影像扫描，但当前的RadGPT模型依赖放射科医生口述的报告内容，然后从报告文字中提取概念。
“与其他医疗技术一样，安全性至关重要，”本研究的第一作者、斯坦福大学住院医师Sanna Herwald指出，“这项研究令人兴奋的原因在于，RadGPT生成的内容通常被认为无需进一步修改即可安全使用。这意味着，经过更多测试和验证后，RadGPT有望成为一种能让患者实时了解紧急或偶然发现的影像结果的教育工具。”
尽管这款LLM还需在临床环境中进行测试，但Langlotz相信，作为这项技术基础的LLM不仅将帮助患者解答常见的医疗问题，还会造福放射科医生，使他们提高工作效率或获得休息时间以减轻职业倦怠。
“如果看自我报告的认知负荷——即大脑每天的工作量——放射学无疑是其中最高的领域之一。”
更多信息： Sanna E. Herwald 等，《RadGPT：一种基于大型语言模型的系统，生成面向患者的材料以解释放射学报告信息》，《美国放射学会杂志》（2025）。DOI: 10.1016/j.jacr.2025.06.013
(全文结束)
