252例神经放射病例测试显示，多模态模型开放式诊断明显弱于选项识别

学术圈重大事件 · 发布 2026-08-25T02:36:00+08:00 · 更新 2026-08-25T02:45:28+08:00

核心结论

npj Digital Medicine 评估GPT-5.2、Gemini 3 Pro和Claude Opus 4.5处理252例颅内与脊柱神经放射病例：开放式首要诊断准确率为51.6%—62.7%，给出选项后升至75.4%—81.0%，差距达15.1—23.8个百分点；17.8%—26.9%的全部病例出现临床显著错误。结果提醒医疗AI评测不能只看选择题表现，也不支持现阶段自主诊断用途。

npj Digital Medicine 8 月 24 日发表一项大型多模态模型神经放射诊断评测。研究从付费访问的 RSNA Case Collection 选取 252 例颅内和脊柱病例，要求 GPT-5.2、Gemini 3 Pro 与 Claude Opus 4.5 先在没有答案选项时给出开放式首要诊断，再在同一病例给出候选选项后进行识别。这个两阶段设计把临床上更接近真实工作的“生成诊断”，与标准化考试常见的“辨认正确答案”分开。论文全文见 npj Digital Medicine。

三种模型的开放式首要诊断准确率只有 51.6%—62.7%，加入答案选项后升至 75.4%—81.0%，形成 15.1—23.8 个百分点的差距。在完全错误的开放式回答中，43%—59%在提供选项后能够自我纠正。这说明模型可能具备较强的模式匹配和候选排序能力，却未必能在诊断空间没有被预先缩小时稳定提出正确结论；用选择题成绩替代开放式临床推理，可能系统性高估实际能力。

研究还请神经外科专家小组按临床影响评定错误，结果显示全部病例中有 17.8%—26.9%出现临床显著错误。团队在分层抽取的 100 例子队列中加入第四种模型、重复运行，并用新会话重新评估，两类诊断之间的差距仍然存在，降低了结果只是同一会话提示方式造成的可能性。对医生、医院和评测机构而言，关键不只是“答对多少”，还包括错误是否会改变分诊、手术计划或进一步检查。

这项研究仍是回顾性病例集测试，病例经过挑选，图像和文字呈现方式不等于真实工作站环境；RSNA病例库本身也可能包含较典型或教学价值较高的病例。模型版本会更新，研究没有证明在实时临床流程、不同医院数据或人机协作条件下的效果。作者因此不支持自主诊断使用，并把较好的选项识别能力是否能转化为辅助价值留给前瞻性人机研究。

为什么重要： 该研究用同一批病例量化“生成”和“辨认”之间的能力落差，并把错误严重性纳入评价，为医疗多模态模型从考试分数走向临床安全评测提供了更严格的门槛。

信息来源

• npj Digital Medicine｜论文全文与官方摘要
• DOI｜论文永久链接

可信度说明

来源为 npj Digital Medicine 同行评议论文，模型、252例病例、两种任务准确率、纠错比例及临床显著错误率均可由官方摘要核验。病例集为回顾性教学资源，非前瞻性临床试验；结果不代表所有医院、后续模型版本或医生参与的人机协作表现。

同主题情报

• 动物所 / `Cell`：`disc-Gastruloid` 首次把人类原条形成推进到可空间重构、可延长培养的体外模型

  中国科学院 `2026-07-08` 官方稿显示，团队构建的人类 `disc-Gastruloid` 在 `72` 小时共培养后形成类原条样区域，延长培养后超 `80%` 继续发育为轴向不对称三维胚胎样结构，分出 `14` 类细胞群并与着床后 `21` 天天然胚胎较高相似。它的重要性，在于把人类原肠运动这个长期难直接观察的发育“黑箱”推进到可重复、可操控的体...

• 银河系最快恒星逼近中心黑洞：峰值约每秒 2.5 万公里，或可测量自旋

  Science 与美联社 8 月 19 日报道，甚大望远镜数据识别出银河系内迄今已知速度最快的恒星：峰值约每秒 2.5 万公里，绕人马座 A* 一周约 8.7 年，且比此前纪录保持者更接近黑洞。长期高精度跟踪可能约束银河系中心黑洞自旋，但当前只是发现和轨道测量起点，尚未得到自旋值。

• 嫦娥七号以四器协同搜寻月球南极水冰，跳跃探测器瞄准永久阴影区

  Science 8 月 19 日更新嫦娥七号任务：轨道器、着陆器、巡视器和跳跃探测器将在鹊桥二号支持下调查月球南极水冰与挥发物，四平台合计 18 项载荷，并计划让跳跃探测器进入永久阴影坑现场分析。公开资料仍只给出 2026 年下半年发射口径，最终日期、落点与工程参数需以官方通告为准。

• M87 黑洞第一次有了双频“体检图”，研究者开始按位置读等离子体状态

  中国科学院 2026-07-28 08:18 发布官方稿，介绍上海天文台团队把 1.3 毫米和 3.5 毫米两张 M87 黑洞视界尺度图像合起来，首次做出空间分辨的谱指数分布。简单说，这不只是把黑洞拍得更清楚，而是开始按位置判断视界附近等离子体在不同半径上更接近“自吸收很强的厚辐射”还是“更容易透出的薄辐射”。关键转折出现在距黑洞中心约 30 微角秒处，并与...

• Moderna mRNA 流感疫苗获批，确诊病例相对标准疫苗减少 26.6%

  Nature 8 月 13 日梳理 Moderna 的 mRNA 流感疫苗 mFLUSIVA：FDA 于 8 月 5 日批准其用于 50–64 岁成人，并对 65 岁以上人群给予加速批准，计划进入美国 2026–27 流感季。超过 4 万人的试验中，mRNA 组 2% 出现实验室确诊流感，对照标准疫苗组为 2.8%，相对减少 26.6%；常见不良反应多为轻中...

• KIST 公布 A²SG 训练方法，以自适应非对称梯度改善深层脉冲神经网络

  KIST 8 月 10 日公布已获 ICML 2026 接收的 A²SG 训练方法，用自适应窗口和非对称代理梯度缓解深层脉冲神经网络的梯度变化与时间不一致。机构称该方法在 ImageNet 等任务提高准确率且训练开销低于所比较基线；论文与代码可查，但相对能耗和商业化前景仍需独立复现及真实神经形态硬件验证。