Nature Cancer 研究：AI 辅助读片改变放射科医生判断而非只看 AUC
jiqizhixin · x · 2026-11-07
机器之心转发 Nature Cancer 论文 DeepFAN（北京协和医院、港大、北大人民医院、深睿医疗等参与），核心主张：诊断模型的价值应以其如何改变读者决策来评估，而非只看独立评分。
- 架构：ViT 捕捉结节及周围上下文，3D 卷积分支学习局部影像属性，图网络（GCN）关联特征输出恶性概率。
- 配对辅助试验：12 名 1-5 年经验放射科医生在三中心阅读 400 名患者 463 个病理确诊结节，设 AI 辅助与不辅助两组，两轮交叉读片含四周洗脱期。
- 模型与读者结局分离：独立模型 AUC 约 0.9+（原文截断），同时分别报告模型指标与医生读片表现。
「研究」频道最新
- 单细胞 eQTL 工具 SAIGE-QTL 发表于 Nature Genetics — anshulkundaje · 2026-11-08
- François Fleuret 与 lucidrains 隔空推演激活归一化公式的数值风险 — giffmana · 2026-11-08
- MaxxBench 揭刷榜真相:DeepSWE 同分 74% 的模型实测相差 23 个百分点 — dyn___ · 2026-11-08
- 两个 ~500B MoE 的后训练路线对比：单一 RL 跑 vs 联合 RL 跑 — himanshustwts · 2026-11-08
- 通用 AI 故事比以模型自身为主角更能塑造行为,人格选择模型遭质疑 — repligate · 2026-11-08
- 审稿人硬刚 70 页附录：主论文没答的问题，我不会去附录寻宝 — CharlotteHase · 2026-11-07