报告衍生标签、图像教师模型与膝关节MRI专家标签之间的差距：对RSNA 2026膝关节异常检测挑战赛一个参赛作品的分析

在 RSNA 2026 膝关节异常检测挑战赛中，4,407 个训练研究中有 58 个具有针对 12 项发现的专家标注，其余研究仅有放射学报告。我们将基于语言模型对报告的解读所构建的训练目标，以及基于公开图像模型所构建的训练目标，与两个参照进行比较：专家标注，以及报告中明确陈述为存在或不存在的 39,248 个研究-发现单元格。报告标签与图像模型的折外预测在专家标注上达到相似的一致性（宏 AUC 0.892 与 0.896），但在不同发现上各有失败。报告在韧带撕裂和髌股骨关节炎上表现更好，当专家未标注为存在时，报告从不将其称为存在；图像模型在积液、贝克囊肿、挫伤和滑膜炎上表现更好，而在这些发现上，报告比专家更频繁地将其称为不存在、将其遗漏或将其称为存在。两者的等权混合达到 0.927（相对报告标签的提升为 0.035，95% 区间 0.019 至 0.052），在移除膝关节侧别处理不一致的研究后依然如此。我们并未观察到这一更优目标带来模型层面的提升：仅使用报告标签训练的 2.5D ResNet50 在截止日期之后于私有排行榜上得分为 0.877，而在混合目标上训练的同一模型得分为 0.872，且混合目标的折外优势受到代码变更以及可能通过图像模型折次产生的泄漏的混杂影响。扫描仪患病率先验提高了与报告的一致性，但未提高与专家的一致性，因此基于报告推导的参照可能会奖励报告习惯。针对共现发现的秩校正带来了小幅折外提升，但在排行榜上未见明显效果。我们的参赛方案是一个带有该校正的公开集成模型分支，在私有排行榜上位列 6,299 支队伍中的第 582 名（0.943，该分数由 287 支队伍共享）。所有结果均为探索性的；没有任何模型旨在用于临床。

中文由 AI 翻译，仅供参考，以原文为准。