一种用于胸片医学报告生成的轻量级基于Transformer的混合编码器-解码器模型

为何更快的胸部影像检查很重要

胸片检查是医生查找肺部和心脏问题的常用手段之一，但把每张图像转化为清晰的书面报告需要时间和高度专注。在繁忙的医院或偏远诊所，专科医生常常人手不足，这会延误治疗并增加出错的可能性。本研究提出了一种名为 FAST-MRG 的计算机系统，它能查看胸片并自动起草一段完整的段落式报告，类似放射科医生会写的内容。目标并非取代医生，而是为他们提供一个快速、可靠的初稿，从而加速医疗流程并将专家级报告带到缺乏专科医生的地方。

从影像到段落

FAST-MRG 的核心思想是连接两类强大的人工智能：一类擅长理解图像，另一类擅长生成文本。在图像端，系统将每张胸片拆分成许多小块，并分析它们之间的相互关系，而不是逐行扫描图像。在文本端，它使用一个已经学习了自然段落中词语流动规律的语言模型。通过把这些部分连接起来，FAST-MRG 能以单张胸片为输入，输出多句描述图像所示内容的文本，类似医生在病历中输入的“所见”和“印象”部分。

从真实医院报告中学习

为训练和测试该系统，研究人员使用了印第安纳大学胸片数据集（Indiana University Chest X-Ray Collection），这是一个广泛使用的公开数据集。它包含 6,469 张胸片图像及其对应的放射科医生真实撰写的报告。这些报告在长度、用词和风格上各不相同，反映了不同医生在现实工作压力下的写作方式。由于措辞并不标准化，让计算机匹配这些段落比教它判定单一疾病标签难得多。研究团队对数据进行了细致准备，清理了拼写和标点等明显不一致之处，同时保留了真实的医学用语，以便系统能在现实医院环境中学习并运行。

兼顾影像与文字的灵巧“大脑”

FAST-MRG 被设计为轻量级，意味着它可以相对快速地运行并且对计算资源要求适中。在图像端，它使用了一种现代的“Transformer”模型，并通过向更强的教师网络学习（即蒸馏）来训练。这使系统能从有限的医学数据集中学到丰富的视觉模式，而不需要大量训练时间。在文本端，它使用基于 Transformer 的语言模型逐词生成报告，每一步都会考虑已写内容，从而保证段落的流畅性和医学合理性。总体上，这些选择使系统在准确性和速度之间取得平衡——这对在真实临床中实用至关重要。

系统的表现如何

研究人员将 FAST-MRG 与早期同样尝试将胸片转为文本的方法进行了比较。使用衡量计算机生成文本与人工撰写报告相似度的标准指标，FAST-MRG 在多词短语和更自然句子方面优于大多数竞争系统。它在奖励更长语言片段正确性的测试中表现尤为突出，这表明它善于捕捉完整的思想，而不仅仅是孤立的术语。与此同时，该模型的训练速度显著快于依赖更庞大图像网络的笨重设计。详尽的图表显示系统在数百个测试用例中表现稳定，极差输出很少——这是未来可能用于临床工作的工具的重要属性。

对患者护理的意义

对于非专科人士来说，关键信息是计算机在将复杂医学影像翻译为连贯段落式语言方面正在变得更好，而 FAST-MRG 是朝这一方向迈出的有希望的一步。该系统能在数秒内起草有意义的报告，帮助医生把注意力放在判断和决策上，而不是例行描述，并在人员拥挤或人手不足的环境中提供一个安全网。作者强调此类工具应作为决策支持，输出应始终由人工专家复核，尤其是罕见病症和细微所见仍然很具挑战性。即便如此，该研究表明经过精心设计且高效的人工智能系统可以把高质量的报告更广泛地带给每位患者，且同样的思路未来可推广到脑部、腹部及身体其他部位的影像。

引用: Ucan, M., Kaya, B., Kaya, M. et al. A lightweight transformer-based hybrid encoder-decoder model for chest X-ray medical report generation. Sci Rep 16, 8645 (2026). https://doi.org/10.1038/s41598-026-40710-4

关键词: 胸片, 医学报告生成, Transformer 模型, 临床决策支持, 放射学人工智能