五度妙笔
API商城
数据库Cell子刊：媲美初级放射科医生，深圳理工大学研究团队开发多任务AI框架，让胸片报告有据可
尽管多模态深度学习已推动医学影像分析的发展，但现有的黑箱系统可能仍局限于孤立任务，往往忽视了临床诊断作为多任务过程的信任敏感性。
2026年7月10日，深圳理工大学Xu Lijian、上海人工智能实验室Wang Xiaosong共同通讯在
Med
在线发表题为
A unified multi-task framework enables interpretable chest radiograph analysis
的研究论文。
该研究提出了一种名为 IMT-CXR（可解释多任务胸部X光分析Transformer） 的统一框架。该模型通过模拟放射科医生的分步推理过程，在一个模型中整合了四项临床任务：疾病分类、病灶定位、解剖分割和报告生成。
胸部X线摄影（CXR）是一种非侵入性且成本相对较低的诊断放射学检查，用于筛查和诊断影响肺部和心脏的各种胸部疾病。然而，CXR的判读因其对细微异常的低敏感性、重叠结构以及有限的软组织细节而面临巨大挑战，因此高度依赖于放射科医生的能力和经验。
另一方面，CXR检查需求的日益增长给医疗专业人员带来了负担，这也限制了CXR的临床应用，尤其是在社区诊所或基层医院。在这种背景下，AI的自动诊断可能有助于减轻放射科医生的工作量。
机理模式图（图源自
Med
）
该研究开发了一种新的多任务框架，通过在统一模型中整合疾病分类、病灶定位、解剖分割和自动报告生成，对放射科医生的逐步推理过程进行建模。研究表明，这种结构化方法在多个基准测试中取得了强劲性能，并且生成的放射学报告经常被专家判定为可与临床报告相媲美。
这些发现表明，纳入中间推理步骤可以提高医学影像人工智能系统的准确性和可解释性，可能有助于开发更安全、更值得信赖的临床决策支持工具。
参考消息：https://www.cell.com/med/fulltext/S2666-6340(26)00226-6
