| 申跃明，邓喜青，胡李男，段圣武，文艺，欧阳帆.DeepSeek在急诊CT及MRI报告审核中的应用[J].放射学实践,2026,41(06):712-716 |
| DeepSeek在急诊CT及MRI报告审核中的应用 |
|
| |
| DOI：10.13609/j.cnki.1000-0313.2026.06.016 |
| 中文关键词: 大语言模型；DeepSeek；急诊影像；急诊处理 体层摄影术，X线计算机 |
| 基金项目: |
|
| 摘要点击次数: 168 |
| 全文下载次数: 124 |
| 中文摘要: |
| 【摘要】目的：探讨本地部署的DeepSeek大语言模型在急诊CT及MRI报告审核中的应用价值。方法：从GE影像归档和通信系统（PACS）提取2024年12月至2025年3月的32798份急诊CT及MRI报告，构建误差标注数据集（300份无误差报告人工植入误差后形成300份含误差报告）和验证数据集（10000份真实报告）。通过提示词优化和参数调优，评估模型的误差检测性能（敏感性、特异性、F1分数等）及效率，并与3名放射科医师（2名住院医师、1名主治医师）进行人机对比，同时在真实场景中验证模型表现。结果：DeepSeek模型总体敏感度为0.82，特异度为0.74，F1分数为0.78，显著优于住院医师（P<0.05），与主治医师相近（P>0.05）；在事实性误差检测中优势显著，总体敏感度达0.87，其中输入法误差检测敏感度高达0.96；单份报告审核时间为（48.94±11.90）s，显著短于医师（P<0.001）。真实场景验证中，模型误差检出阳性预测值为6.75%，假阳性结果中60%为“潜在有益”的规范化建议。结论：本地部署的DeepSeek模型可精准、高效地检测急诊影像报告中的高风险误差，保障医疗数据安全，适合作为急诊报告质控的辅助工具，尤其适用于基层医院及夜间急诊场景。 |
| |
|
查看全文
下载PDF阅读器 |
| 关闭 |
