一项最新研究对五种主流多模态人工智能模型进行了测试，结果发现其在处理计算机断层扫描（CT）图像时存在高达 20% 的严重错误。随着人工智能在医疗领域的快速渗透，AI 系统已被广泛应用于临床辅助诊断。目前，许多医院正利用这些经过数百万张精准标注医学图像训练的专业算法，从眼底照片中发现糖尿病视网膜病变，或分析 CT 影像以识别早期肺癌和脑卒中迹象。这些系统在日常工作中默默协助医生，优先处理紧急扫描任务，并标记出那些肉眼容易忽略的细微异常。 然而，这项测试揭示了当前技术在实际应用中的潜在风险。尽管 AI 工具在提升诊断效率和发现潜在病灶方面展现出巨大潜力，但研究指出，部分多模态模型在面对复杂的 CT 扫描数据时，仍会出现重大判断失误。高达两成的严重错误率表明，这些模型在临床部署前仍需经过更严格的验证与优化。如果缺乏有效的监督机制，错误的诊断结果可能会误导医生，进而影响患者的治疗效果甚至危及生命安全。 专家呼吁，在推广多模态 AI 模型进入临床环境之前，必须建立更加完善的评估体系，确保其在各种复杂医疗场景下的稳定性和准确性。虽然人工智能正在重塑医疗行业，但其作为辅助工具的定位应被清晰界定，不能替代医生的最终判断。未来的方向应侧重于人机协作模式的深化，利用 AI 增强医生的决策能力，同时通过持续的技术迭代降低误诊风险，真正实现技术赋能医疗安全。这一研究结果也为整个行业敲响了警钟，提醒从业者在追求技术突破的同时，务必将患者安全置于首位。