（通讯员计轩）近日，国际综合期刊《自然·通讯》（Nature Communications）在线发表了武汉大学计算机学院教授杜博、副教授赵煌旋团队在医学人工智能领域的最新研究成果。论文题为“A DeepSeek-powered AI system for automated chest radiograph interpretation in clinical practice”。该研究成功研发出基于DeepSeek多模态大模型的轻量级胸片智能诊断系统Janus-Pro-CXR，并在真实临床环境中开展了多中心前瞻性研究。

前瞻性多中心临床注册试验研究流程图

面对全球基层医疗地区放射科医师短缺的严峻挑战，现有的医学AI模型普遍存在计算资源要求高、且缺乏真实临床环境前瞻性验证等核心瓶颈。为此，研究团队基于DeepSeek开源多模态大模型Janus-Pro，开发了大-小模型协同架构——统一模型负责跨模态语义理解，专家分类模型负责关键病灶精准识别，两者协同工作。同时提出了两级知识蒸馏框架，将原始大模型的推理能力浓缩至仅10亿参数的轻量级系统，并在报告生成质量上超越ChatGPT 4o等更大参数模型。该系统极大降低了AI技术在医疗机构的部署门槛，在配备普通消费级显卡的便携电脑上即可实现1-2秒的快速阅片与报告生成(研究流程如图)。

在回顾性研究中，该系统在自动化报告生成质量等多项指标上表现优异，其生成的报告专业度使评审专家难以与真实报告区分。更重要的是，研究团队在3家医院纳入296例患者开展了核心的前瞻性临床验证。结果表明，作为可靠的“数字同事”，AI辅助组的报告质量与一致性评分显著优于标准诊疗组。在工作效率上，单份报告平均耗时缩短约27秒（降幅达18.3%），面对复杂病例时优势依然显著。此外，AI的结构化提示使初级医师对肺炎诊断的阳性率从36.1%大幅提升至52.4%。

该研究得到了国家自然科学基金、国家重点研发计划、湖北省自然科学基金以及新基石科学基金会科学探索奖等项目的资助。