本网讯 近日，中南大学湘雅二医院放射科主任刘军教授团队在Nature子刊--数字医疗顶级期刊《数字医学》（NPJ Digital Medicine）发表了题为《通过大型推理模型对结论进行推理在放射学中的诊断与解释收益》（Diagnostic and interpretive gains from reasoning over conclusions with a large reasoning model in radiology）的研究性论文。该研究首次系统评估了大型推理模型（LRMs）在放射学诊断中的应用价值，揭示了显式推理过程在提升诊断完整性、减少漏诊误诊方面的显著优势。

放射科医师在将影像学发现转化为诊断印象（Impression）时，常面临遗漏对肿瘤分期及管理至关重要的细微继发性发现（如微小转移灶）的挑战。现有的大语言模型（LLMs）虽能辅助生成报告，但往往只输出结论而缺乏推理过程，限制了临床的可解释性与信任度。

研究团队以DeepSeek-R1为技术原型，纳入900例涵盖乳腺癌、肺癌、结直肠癌的多中心肿瘤病例及90例跨语言验证病例，创新性对比了模型“显式推理”与“纯结论输出”两种模式的表现。结果显示，显式推理过程在诊断完整性、可解释性和无偏见性方面均显著优于非推理模型（如GPT-4.5、DeepSeek-V3），尤其在对微小转移灶等易被忽略的继发性病变识别上，漏诊率明显下降。

研究进一步分析了模型出错机制，首次提出“结论失败”现象——模型推理逻辑正确但最终结论错误，凸显透明化推理对核查AI决策的关键作用。人机协同实验证实，显式推理显著提升了放射科医师（特别是低年资医师）对诊断信息完整性与逻辑合理性的感知，但输出长度也带来了额外阅读成本。该研究证明了在放射学诊断中引入显式推理机制，能有效提升诊断的完整性与可解释性，为未来构建更加可信、透明的AI辅助诊断系统提供了新的评估范式与理论依据。

（一审：栗一爽 二审：王轩 三审：胡杨）