换一批DeepSeek与不同年资核医学医师识别报告文字性错误的对比研究
Comparative Study of DeepSeek and Nuclear Medicine Physicians with Different Clinical Experience in Detecting Errors in Reports
摘要目的 探讨人工智能助手DeepSeek与不同年资核医学医师在核医学报告文字性错误识别中的准确性与效率差异.资料与方法 2025年5-7月从北京大学第三医院核医学科与北京医院核医学科随机抽取200份已审核签发的核医学报告,包括骨显像等SPECT类报告150份,FDG PET/CT报告50份.经匿名化处理后,按检查类别进行分层随机抽样,选取100份报告并人为设置200处文字性错误,包括漏写、插入错误文字、拼写错误、左/右错误、示踪剂错误及其他错误.招募高、中、低年资核医学医师各2名参与审核,同时使用DeepSeek对全部报告进行独立错误识别,比较各组错误检出率及耗时差异.结果 高、中、低年资医师及DeepSeek组总体错误检出率差异有统计学意义[100％(75％,100％),100％(75％,100％),67％(50％,100％),100％(67％,100％);Q=56.28,P<0.001],DeepSeek与高年资医师组差异无统计学意义(秩和差=2.00,P>0.05).高、中、低年资医师及DeepSeek组审核耗时分别为1.25(1.00,1.70)min、1.10(0.93,1.58)min、2.10(1.08,2.80)min、0.62(0.56,0.77)min,4组差异有统计学意义(Q=271.90,P<0.001),DeepSeek耗时最短.结论 在核医学报告文字性错误识别任务中,DeepSeek的检出率与高年资核医学医师相当,且审核效率明显优于各年资医师,提示其具备辅助临床报告质量控制的潜力,有望推动核医学报告质量控制智能化发展.
更多相关知识
关键词
核医学报告错误识别人工智能DeepSeek质量控制Nuclear medicine reportError detectionArtificial intelligenceDeepSeekQuality control
分类号
R445.5（诊断学）TP181
栏目名称
DOI
10.3969/j.issn.1005-5185.2026.06.016
发布时间
2026-07-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览3
- 被引0
- 下载6
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
