Uncover This Tech Term: Large Vision-Language Models in Radiology.

AI 給出 0.8 的惡性腫瘤機率，其實不代表它有 80% 的把握，反而可能伴隨極大的誤判風險。當深度學習與大型語言模型頻繁產生幻覺時，單純的數值校正早已不敷使用。這篇文章直擊模型「不確定性量化（UQ，評估演算法信心程度的技術）」機理，告訴我們如何逼迫演算法給出真正可靠的鑑別診斷區間。在繁忙的閱片日常中，這項技術將成為醫師篩選高風險影像的關鍵護城河。

Figure 1 點出的 0.8 機率迷思與分佈真相

深度學習模型在放射科的應用潛力備受肯定，但其在臨床工作流程中的可靠性疑慮始終限制著大規模導入。將目光放到近期引起廣泛關注的大型語言模型幻覺現象，這類錯誤多半源自於模型在缺乏「可信度估計」的情況下強行給出預測。包含電腦視覺與語言模型在內的深度學習架構，往往會產生看似機率的數值輸出，但這些數值僅是為了訓練模型而存在，並不代表特定結果的真實可能性。倘若一個神經網路對某個診斷輸出 0.8 的權重，絕對不意味著該診斷有高達八成的正確率，因為這些原始輸出徹底缺乏校正。即便工程師能在訓練期間或訓練後針對這些偽機率進行數值調校，單靠校正依然無法解決模型底層的根本不確定性。我們必須理解，每一個輸出值都只是來自某個統計分佈的點估計，而真正能反映不確定性高低的關鍵，在於這個分佈的發散程度。

若細看 Figure 1 呈現的點估計與分佈差異，就能立刻明白為何相同的機率值會隱藏截然不同的風險。圖中標示了兩個預測點，分別為 A（橘色圓點）與 B（藍色 X 記號），兩者在 Y 軸上具有完全相同的校正後機率值。然而，這兩個預測點所附帶的誤差鬚狀圖卻呈現出劇烈對比，清楚代表著它們擁有截然不同的不確定性水平。預測 A 的分佈極度集中，顯示模型對這個判斷相當篤定。反觀預測 B 的分佈範圍極廣，暗示演算法內部其實充滿了猶疑。在傳統醫學文獻中，我們習慣透過群體數據推導出的信賴區間來表達不確定性，但在深度學習領域，我們更需要針對「每一個獨立樣本」給出量身打造的誤差範圍。這種超越單純數值校正、直接剖析預測信心分佈的技術，正是臨床醫師避開演算法地雷的必備工具。

共形預測機制的自訂錯誤率與資料庫代價

從頻率學派的觀點出發，共形預測（CP，不依賴分佈的誤差算法）提供了極具數學保證的解決方案。這項技術完全聚焦於目標族群內的資料分佈，不需要預先帶有任何主觀假設或先驗機率，因此經常被視為一種無分佈依賴的防禦機制。只要使用者設定好可容忍的錯誤率，CP 就能為每一次的預測產生一組「值得信賴的預測集合」，並透過嚴格的統計學保證，確保真實答案必然落入這個集合之中。當模型試圖提供診斷建議時，CP 不會武斷地只給出單一疾病名稱，而是條列出一份鑑別診斷清單。這種做法完美契合放射科醫師的日常思維，因為它確保了正確解答絕對會被包含在這份擴展後的清單內。

進一步探究 CP 的運作邏輯，它高度依賴一個被稱為「校正資料集」的獨立子集來捕捉模型對目標族群的不確定性。這套機制的基石是「共形性原則」，專門用來衡量新輸入的影像資料與訓練集既有模式之間的吻合程度。當新樣本的特徵與訓練資料的分佈偏離越多時，演算法就會自動擴大鑑別診斷清單的範圍，藉此吸收不確定性帶來的風險。不過，這種強大機制伴隨著一個顯著的代價，也就是必須額外切出一塊無法用於訓練的獨立資料集。對於長久以來飽受資料稀缺之苦的放射科 AI 研發而言，這無疑加劇了搜集病歷的難度。特別是在罕見疾病或少數族群的影像辨識上，為了滿足校正需求而保留這批珍貴影像，將會讓本就捉襟見肘的訓練集變得更加單薄。

蒙地卡羅丟棄法與三種機率模型的不確定推演

轉向機率學派的解決途徑，這類方法主要依賴先驗假設來為模型參數賦予不同的權重數值。其中最直觀的當屬集成方法，其核心概念建立在「多個模型間的意見分歧度等同於不確定性」這個簡單邏輯上。我們可以將其想像成一場多位放射科醫師參與的聯合會診。如果一半的專家看到病灶，另一半卻認為正常，這個案例的危險程度顯然極高。相反地，如果所有模型都給出一致的判斷，就代表該次預測的不確定性極低。系統會透過計算多個模型預測結果的變異數或全距等離散指標，來量化這種意見分歧。然而，這種策略不僅運算成本極為高昂，其最終算出的離散指標也僅能暗示與不確定性的「相關程度」，無法提供直接且具備統計意義的機率解釋。

貝氏方法則採取了另一種更具性價比的模擬策略，透過在推論階段微調參數來反覆測試同一個輸入影像。這種機制就像是一位放射科醫師在不同光線、不同疲勞狀態下多次反覆審閱同一組 CT 影像。如果醫師在各種情境下都得出相同的結論，代表該診斷非常明確；反之，若每次看出的結果都不同，就凸顯了極大的不確定性。該分類下最著名的蒙地卡羅丟棄法（MC Dropout，隨機關閉節點模擬多情境）正是利用單一模型，依照預先設定的機率隨機停用某些運算節點，藉此在瞬間創造出多個獨特的虛擬模型。儘管此技術實作起來相對容易，但使用者必須預先指定節點停用機率的先驗分佈，且終究只能提供一種間接的相關性指標。另一種名為證據深度學習（EDL，將影像特徵轉為證據分數）的技術，雖具有穩固的理論基礎且大幅降低運算需求，但其輸出結果同樣缺乏統計學保證，必須經過複雜轉換才能讓人類理解。

Table 1 統整的四大進階應用與肺炎實戰

觀察 Table 1 統整的附加使用情境，我們能發現不確定性量化技術在各大影像處理環節中皆扮演著關鍵的品管角色。在主動學習的範疇裡，研究團隊可以直接利用不確定性數值從龐大的未標註資料庫中，自動挑選出模型最感困惑的邊緣樣本。例如 Hemmer 等人在 2022 年針對胸腔 X 光肺炎偵測的研究中，便成功運用不確定性指標來篩選樣本。這項操作能強迫神經網路專注學習這些困難特徵，進而全面提升整體的辨識效能。同樣的邏輯也能應用在領域外偵測，因為當模型遇到距離訓練分佈極遠的罕見影像時，必然會產生異常飆高的不確定性。Lakara 與 Valdenegro-Toro 在同年的研究清楚證實，只要設定一個簡單的信心閾值，我們就能單憑量化數值精準攔截那些模型根本沒見過的異質性資料。

順著 Table 1 的脈絡往下看，該技術在模型監控與公平性評估上的潛力同樣不容小覷。在偏見偵測方面，Faghani 等人在 2022 年的文章中詳細解釋了如何透過監控特定病患子群體的不確定性，來揪出隱藏在演算法深處的歧視現象。如果某個特定性別或人種的影像反覆觸發極高的不確定性警報，這往往意味著訓練資料的採樣比例出現了嚴重的傾斜。此外，針對資料偏移的長期監控，Baier 等人在 2021 年展示了如何利用這套方法來追蹤神經網路的健康狀態。隨著時間推移與掃描機型的更新，如果我們觀察到模型對日常預測的指標呈現穩定上升的趨勢，就代表臨床實際面臨的資料點已經與當初訓練時的環境產生脫節。這類警訊能及早提醒影像科管理者，必須盡快啟動重新訓練的機制以維持診斷品質。

腦膠質瘤切割的信心熱區與臨床導入的實際挑戰

在更複雜的影像切割與生成式應用中，這項技術直接賦予了臨床醫師掌握最終裁量權的安全網。以惡性腦膠質瘤的放射治療計畫為例，深度學習雖然能快速標註腫瘤邊界，但在切割圖譜上特別用顯目的顏色標示出「低信心區域」才是防呆關鍵。這項功能讓放射腫瘤科醫師只需將有限的精力集中在審核這些高風險邊緣，而無須重新檢查整個平滑且高信心的核心區塊。這種專注於不確定性熱區的工作模式，大幅優化了治療計畫的制定效率與安全性。在生成式模型領域，量化技術同樣協助確保了合成影像的細節正確性。它能引導醫師判斷畫面中各個區塊的可靠度，避免演算法擅自無中生有地創造出酷似真實病灶的假影，確保醫學影像的嚴肅性不被過度運算所破壞。

探究這些技術導入臨床場景的實際挑戰，作者在文末坦承了多項需要跨越的現實阻礙。要讓這套機制完美融入現有的醫院系統，我們還需要面對龐大的法規審查門檻，並解決即時運算資源急遽消耗的問題。未來，這類技術勢必會成為醫學深度學習軟體的標準配備，因為它不僅能打破神經網路決策過程的黑盒子，更是保障病患安全的基礎防線。身為第一線的放射科醫師與相關決策者，我們必須持續關注這些演算法的演進，並積極參與相關的試驗與對話。只有當開發人員充分了解臨床對鑑別診斷區間的真實需求時，我們才能共同塑造出真正符合醫療場景的次世代輔助工具。

下次看到 AI 吐出單一高機率診斷時，先問它的鑑別清單範圍有多寬——沒有給出誤差分佈的模型，請一律視為它在硬猜。