AI伪造X光片：放射科医生只有75%识别准确率——医疗影像安全的新威胁
2026年3月24日，《放射学》杂志发表研究：17名放射科医生面对ChatGPT生成的伪造X光片时，初始诊断仅41%察觉异常；即便被告知存在深度伪造，识别准确率也仅达75%。AI自身检测准确率同样不稳定（57%-85%）。这一发现对依赖AI辅助影像的老龄照护与慢病管理系统构成直接安全挑战。
【信源】STAT News Health Tech，2026年3月24日；原始研究：Radiology（RSNA），DOI: 10.1148/radiol.252094
一、研究发现：深度伪造X光已突破人类和AI的双重防线
发表于《放射学》（Radiology）的最新研究测试了17名放射科医生能否分辨真实X光片与ChatGPT生成的合成X光片。
核心数据：
初始诊断阶段：仅41%的放射科医生察觉到影像存在异常
知情检测阶段（告知有伪造图片存在）：准确识别率也仅为75%
AI自检能力：4个多模态AI模型（含生成图像的模型本身）对深度伪造X光的准确识别率仅为57%-85%
研究方法简单直接：研究者仅用文字提示词指定解剖位置+病变类型+噪点级别，ChatGPT即可生成以假乱真的放射影像。
二、为什么这对老龄照护尤为重要
放射影像是老龄慢病管理的核心工具——骨密度检测、肺部筛查、心脏评估，大量老年患者的诊断和照护决策依赖影像报告。
深度伪造X光片的潜在风险场景包括：
场景一：保险欺诈
伪造的正常影像可能被用于隐瞒既往病史，或伪造异常影像骗取理赔。在新加坡MediShield Life体系下，这类欺诈的系统性风险值得关注。
场景二：远程医疗误诊
老龄居家照护场景中，远程影像提交日益普遍。若审核环节无法有效识别伪造影像，诊断失误风险将被放大。
场景三：AI辅助诊断系统的链式失效
各大医疗机构正加速部署AI影像辅助诊断工具。若上游输入影像可被伪造，AI诊断链路的可信度将从源头受损。
三、AgeTech与医疗AI行业的应对含义
这项研究将医疗影像真实性验证推上了行业议程。对从业者的含义包括：
采购方（医院/照护机构）：应要求影像AI供应商提供影像来源验证能力，而非仅关注诊断准确率。
AgeTech开发者：整合影像链路的产品需增加元数据溯源模块，如DICOM元数据完整性校验、设备指纹绑定。
监管层：新加坡HSA已将AI医疗器械纳入监管框架，深度伪造影像的检测标准可能成为下一阶段要求。
四、小结与展望
当AI既能生成逼真的医学影像，又无法可靠地自我检测，医疗影像系统面临的不再只是准确率问题，而是真实性问题。这是一个基础设施级的安全挑战，而非单一产品缺陷。
短期内，最现实的应对策略是：建立影像来源追溯标准、加强放射科医生深度伪造识别培训，以及在高风险场景（保险理赔、远程诊断）增加人工复核环节。
从更长远看，医疗AI行业需要建立独立的伪造影像检测基准（类似代码安全领域的CVE体系），才能在规模化部署前夯实可信赖的基础。