AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-23
運用視覺語言模型進行自動化乳房攝影報告生成的兩階段合成到真實遷移學習
原標題: Two-stage synthetic-to-real transfer learning for automated mammography report generation using vision-language models
本論文針對乳房攝影與報告配對資料稀少的問題，先以根據 BI-RADS 標註生成的合成報告對 MedGemma-4B 進行預訓練，再以 407 份真實報告進行微調。一項預先註冊的對照評估發現，表面上的效能提升來自於適配器容量不一致；在容量相同的情況下，兩種訓練方式的表現相當。診斷一致性從未超過 κ = 0.14，顯示要讓報告具備臨床實用性，主要障礙在於診斷準確度，而非語句流暢度。