Search: #放射诊断

1. 4天前

   脑部放疗后竟会“自毁”？专家共识：如何区分肿瘤复发与辐射损伤？
   
   脑肿瘤患者接受放疗后，有时会出现症状加重的情况，但影像学检查却显示像肿瘤复发，这背后可能隐藏着一种名为“放射坏死”的脑组织损伤。这种并发症在放疗后6至24个月出现，发生率约为4%至30%，给诊断和治疗带来挑战。
   
   为解决这一难题，欧洲神经肿瘤协会（EANO）专家通过德尔菲法达成共识。研究指出，灌注MRI和氨基酸PET是区分肿瘤复发与放射坏死的最佳影像学工具。治疗上，糖皮质激素可缓解症状，对激素无效的病例推荐贝伐珠单抗，手术能快速缓解症状并明确诊断，激光间质热疗可作为补充选择。
   
   尽管缺乏高级别证据，这些共识为临床提供了实用指导。尽管共识为放射坏死的管理提供了重要框架，但研究仍需更多前瞻性随机试验验证。病理学仍是金标准，但放疗后胶质瘤中存活肿瘤细胞的识别存在挑战。未来需进一步研究以优化诊断和治疗策略。
   
   

   放疗后脑部“自燃”？别慌，专家有招！🧠

   
   
   来源：Neuro-oncology
   
   #放射坏死 #脑肿瘤 #放疗 #诊断 #治疗 #专家共识
   
   🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿

2. 13:00 · 2026年4月3日 · 周五

   AI生成X片已经能以假乱真？
   
   随着AI技术的发展，用大语言模型（LLM）生成逼真的合成医疗影像（即“深度伪造”或deepfake）已成为现实。这给医疗诊断带来了潜在风险，比如可能被用于误导诊断。一项新研究评估了放射科医生和多种大语言模型（LLMs）能否区分由ChatGPT生成的合成X光片与真实的临床影像。
   
   研究团队邀请了17位来自不同国家的放射科医生，评估了154张影像（77张合成，77张真实）。结果显示，在不知情的情况下，41%的医生能识别出AI生成的影像。当医生被告知部分影像是合成的后，他们的准确率约为70%至75%，但不同医生之间差异不大。在LLMs测试中，GPT-4o和GPT-5能以85%和83%的准确率区分合成影像，而Llama 4和Gemini的准确率仅为59%和56%。合成影像的常见特征包括双侧对称、均匀的噪声或颗粒，以及过于平滑的软组织纹理和骨骼表面。
   
   研究结论指出，无论是放射科医生还是当前的大语言模型，都难以轻易区分AI生成的合成影像与真实影像。这凸显了在医疗领域识别和防范深度伪造技术的紧迫性。研究强调，为应对这一挑战，需要加强对医生和LLMs的培训，并利用像DeepFakeXRay这样的专用数据集。不过，研究也指出，样本量或模型版本可能影响结果，未来仍需更多研究来验证这些发现。
   
   

   放射科医生也怕“AI画”的X光片？😅

   
   
   来源：Radiology
   
   #AI医疗 #合成影像 #放射诊断 #Deepfake #大语言模型
   
   via: 热心群友
   
   🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿