Diagnóstico de imagen de rayos X de tórax y modelo dedicado de generación de informes basado en Deepseek

La escasez global de radiólogos es un problema apremiante, particularmente en regiones con recursos médicos limitados. En este contexto, hacer de la generación de informes el objetivo central de los sistemas de IA de radiología no solo se alinea con las necesidades prácticas de los radiólogos, sino que también cumple mejor con los requisitos de los pacientes. Con el desarrollo de modelos grandes multimodales, ha sido posible desarrollar sistemas de generación de informes automáticos para imágenes médicas. Aunque ChatGPT 4O ha demostrado ciertas capacidades en múltiples sub -campos médicos, como un sistema de origen cerrado, tiene limitaciones. Su mecanismo de generación de modelos es opaco, y existen problemas como la alucinación. Recientemente, el modelo multimodal grande de Deepseek Open, Janus - Pro, un modelo "cualquiera para cualquier", tiene las ventajas de alto rendimiento, bajo costo y fuente abierta. Nature publicó tres artículos consecutivos que presentan sus impresionantes características. Después del entrenamiento y la multa - ajuste, Janus - Pro muestra un gran potencial en el diagnóstico de imágenes médicas y la generación de informes. Sin embargo, actualmente, no se ha evaluado la aplicación de Janus - Pro en el diagnóstico de imágenes. La mayoría de los modelos existentes son altamente versátiles, pero carecen de optimización para dominios específicos, y hay una falta de métodos de evaluación sistemáticos y multimensionales para determinar los pros y los contras de modelos grandes multimodales en radiología médica. Según estas situaciones actuales, el propósito de nuestra investigación es desarrollar y verificar el valor de la aplicación de grandes modelos dedicados a imágenes médicas en la generación de informes de diagnóstico de imágenes e radiología.