Response to Comments on "Artificial Intelligence-Driven Drafting of Chest X-Ray Reports: 2025 Position Statement From the Korean Society of Thoracic Radiology Based on an Expert Survey".

放射科醫師在連續使用 AI 生成胸部 X 光報告後，對錯誤內容的照單全收率會隨時間悄悄攀升——這份韓國胸腔放射線醫學會（KSTR）的最新回覆指出，即便生成式 AI 在多世代驗證中達到 87.6% 的臨床可接受度，但其語句通順的特質，反而讓「自動化偏誤」成為臨床端最危險的地雷。

超過 1000 例真實 CXR 的 Delphi 爭議與回應

在韓國胸腔放射線醫學會（KSTR）發表關於人工智慧協助撰寫胸部 X 光（CXR）報告的 2025 年立場聲明後，學界隨即針對其核心的 Delphi 調查（透過多輪專家問卷凝聚共識的方法）方法學提出質疑。批評聚焦於專家判斷的主觀性，以及在挑選 CXR 測試案例時缺乏標準化抽樣。然而，研究團隊明確反駁了樣本數或取樣不均的疑慮，因為這項共識建立在超過 1,000 例來自真實臨床環境的 CXR 影像上。從日常實務來看，這種非標準化、充滿雜訊的取樣方式，反而比高度篩選的資料集更能貼近閱片室的混亂情境。

針對「主觀性」的批評，作者釐清該 Delphi 研究的初衷：這不是讓 AI 與人類醫師進行單挑的非劣性對決，而是要確認生成式 AI 產出的報告是否達到「臨床可接受並能安全送出」的最低門檻。既然目標是評估初稿能否被順暢編修，專家主觀感受本身就是最切題的衡量指標。不過，團隊也坦承非標準化取樣會降低跨機構可比性；未來若要對不同版本的大型語言模型進行標竿測試，仍需導入具備外部驗證的標準化測試資料集。

文獻 [3] 達 87.6% 報告接受度與氣胸偵測優勢

要把生成式 AI 真正帶入常規放射科工作流程中，單靠專家共識不足以說服所有人，必須有大規模的跨院數據作為後盾。作者特別引用了一項近期發表的大型 multicohort study（跨不同時間或族群的觀察性研究），為 AI 的臨床潛力提供強大證據。數據明確顯示，由 AI 獨立生成的 CXR 初步報告獲得了高達 87.6% 的臨床接受度；代表在近九成案例中，第一線醫師認為 AI 給出的文字描述只需極微小微調，甚至完全不需修改即可發出。

與傳統由人類醫師手寫的報告相比，AI 在辨識 referable abnormalities（需進一步處理的異常發現）上，更展現了顯著較高的敏感度。如果把焦點拉到急重症情境，使用這些 AI 草稿不僅能大幅縮短醫師的閱片與打字耗時，還能維持最終報告品質。尤其在面對極度容易被掩蓋的突發狀況時，AI 展現了無可取代的預警價值，例如在偵測 unexpected pneumothorax（未預期的突發氣胸）時有效提升了整體診斷防線。這些結果強力支持了 human-in-the-loop（由人類最終把關的協作框架），讓 AI 負責初步特徵提取與文字生成，再由人類醫師進行最終臨床決策。

跳脫文字相似度並以 RCT 驗證胸部影像預後

即便目前多世代研究的數據相當令人鼓舞，作者也直言，要精確評估生成式 AI 在臨床實務中的長期實用性，現有的評估工具已顯露侷限。過去評估 AI 報告生成模型時，往往過度依賴簡單的文字相似度指標，例如 BLEU（計算與人工報告字詞重疊率的指標）或是依賴主觀問卷調查。然而，文字重疊率絕對不等於最終的臨床正確性；一個高度優化的模型可能會用極其流暢的修辭，自信地編造出不存在的肺部腫塊，或是徹底漏掉邊緣模糊的早期肺結節。

這種語意讀起來無可挑剔但實質存在致命遺漏的現象，是任何字面相似度指標都無法捕捉的風險。為解決此困境，未來的影像 AI 研究必須全面超越僅關注文字生成的評估方式，轉向以客觀預後、以病患結果為導向的嚴格檢驗標準。下一階段的重點應優先投入於 RCT（隨機對照試驗），精確量化 AI 草稿對病患最終預後的真實影響。唯有證明 AI 的介入確實縮短了急診滯留時間、降低了延誤診斷造成的併發症，並實質減輕醫師的認知負擔，我們才能放心地將其當作不可取代的常規臨床工具。

文獻 [8] 長期追蹤多讀者研究所見的自動化偏誤

在探討 AI 系統全面導入閱片室的過程中，人機互動是確保應用安全的絕對關鍵。相較於身經百戰的主治醫師，經驗較淺的住院醫師對「自動化偏誤」的抵抗力特別薄弱。傳統 CAD（只會畫圈的電腦輔助偵測系統）的錯誤標示很容易被醫師肉眼忽略；但用於放射科報告的生成式 AI 產出的是邏輯連貫的完整段落，且能無縫整合進醫療資訊系統中，這使得潛在的醫療過失風險發生了數量級的攀升。

這些主流大型語言模型往往缺乏內建的 explainability（模型演算邏輯的可解釋性），負責把關的醫師只能看到精美的文字描述，卻無法得知 AI 是基於哪個影像區域得出結論。作者引用了文獻 [8] 的一項 longitudinal multireader study（長時間追蹤多位醫師閱片的研究），觀察到一個極度警惕的行為趨勢：隨著醫師反覆暴露在 AI 生成的 CXR 草稿中，他們對 AI 報告內容的接受度會隨時間「漸進式攀升」。當這種盲目依賴性結合了時間緊迫的急診排班環境，數位工作量導致認知超載與疲勞時，醫師為了快速消化待打片單，很容易對隱含錯誤的 AI 報告採取「快速通關」態度，進而釀成難以挽回的臨床災難。

藉病灶熱區圖與強制編輯紀錄重建人機互信

既然自動化偏誤是生成式 AI 最難以根除的副作用，我們就必須直接從系統介面的底層架構著手防堵。作者大聲疾呼，透過輔助解釋工具來強化人類與 AI 系統之間的雙向理解，是協助放射科醫師在每天幾百張片子的轟炸下，精確校準信任度的唯一解方。特定的軟體介面設計對於降低過度依賴風險具有決定性影響；其中最具體且被強烈建議的兩個防呆機制，分別是綁定 lesion-detection heatmaps（以顏色標示 AI 關注的影像區域），以及 compulsory radiologist edit logs（強制的醫師編輯日誌）。

熱區圖能將抽象的文字描述重新與具體解剖位置強制連結；當 AI 大膽寫下「左下肺葉疑似浸潤」時，醫師能立即驗證 AI 是否落在真正的肺實質病灶上，還是單純被體外管線或肋骨重疊陰影誤導。另一方面，強制編輯日誌迫使主治醫師在最終簽發前必須留下審閱、刪改的數位足跡，這種操作摩擦力能有效打破面對大量重複性任務時「無腦點擊確認」的慣性行為。要確保 AI 胸部 X 光報告生成器成為可靠的臨床夥伴，仰賴學界共同建立將病患安全置於產能之上的嚴格驗證標準與教育框架。

看片時請將 AI 文字與熱區圖強制對齊；別因趕片量，就對流暢的初稿無腦按下同意鍵。