一项新研究显示，结合放射科医生的视觉注意力和专业经验，可显著提升人工智能在医学影像分析中的表现与可信度。研究人员通过追踪放射科医生在查看医学影像时的眼动轨迹，将这些“视觉焦点”作为训练数据，引导AI系统更精准地关注图像中最具临床意义的区域。 传统AI模型在分析X光、CT或MRI图像时，往往难以判断哪些区域对诊断最为关键，容易受到噪声或无关结构的干扰。而该研究通过采集放射科医生在阅片过程中的真实眼动数据，构建了“注意力热图”，让AI学习人类专家的观察模式，从而提升其识别病灶的能力。 实验结果表明，经过眼动数据训练的AI模型不仅在识别肺结节、骨折等病变方面表现更优，其决策过程也更符合临床逻辑，增强了医生对AI结果的信任。这一方法为开发更具可解释性、更贴近临床实践的AI辅助诊断工具提供了新路径。 研究团队指出，将人类专家的专业知识融入AI训练，不仅能提高模型性能，还能推动人机协作的深度融合，未来有望广泛应用于早期疾病筛查、远程医疗和医疗资源匮乏地区。