研究发现谷歌 AI 模型 Veo-3 可生逼真成手术视频但缺乏医学逻辑理解

快速阅读: 研究人员测试谷歌Veo-3模型，发现其虽能生成逼真手术视频，但在医学逻辑上表现不佳，超过93%的错误源于此。团队计划开源SurgVeo数据集，推动AI医学理解进步。

近日,研究人员对谷歌 最新 的视频生成人工智能模型 Veo-3进行了测试,结果显示该模型虽然能够生成非常逼真的手术视频,但在医学操作的理解上却存在显著不足。在研究中,研究团队提供了一张手术图像,要求 Veo-3预测接下来8秒内的手术进展。为此,他们构建了一个名为 SurgVeo 的评测标准,涵盖50段真实的腹腔和脑部手术视频。

研究小组邀请了四位经验丰富的外科医生对 AI 生成的视频进行独立评分,评分标准涵盖了视觉真实性、器械使用的合理性、组织反应及手术逻辑性等四个方面。尽管外科医生对 Veo-3生成的视频质量给予了很高的评价,称其 “清晰得令人震惊”,但深入分析显示,AI 在医学逻辑上的表现却大打折扣。在腹腔手术测试中,Veo-3的视觉合理性得分为3.72分,但器械操作仅得1.78分,组织反应1.64分,而手术逻辑性评分更是低至1.61分。

特别是在神经外科场景中,Veo-3的表现更为逊色,其在8秒后手术逻辑性的得分仅为1.13分。研究团队发现,超过93% 的错误源于医学逻辑层面,例如虚构不存在的手术器械和不符合生理规律的组织反应。尝试为模型提供更多的上下文信息,如手术类型和具体操作阶段,结果并未显著改善其表现。

该研究表明,当前的视频生成 AI 距离真正理解医学操作仍有很大差距。虽然未来这些系统可能会用于医生培训和术前规划,但现有模型尚未达到安全可靠的应用水平。研究团队计划将 SurgVeo 的数据集开源,旨在推动学术界提升 AI 在医学理解方面的能力。同时,这也提醒我们,在医学培训中使用此类生成的视频存在严重风险,可能导致误导性的学习和错误的手术技巧。

划重点: 🌟 Veo-3模型能生成逼真的手术视频,但缺乏医学逻辑理解。

🔍 超过93% 的错误源于医学逻辑问题,严重影响视频准确性。

📈 研究团队计划开源数据集,以促进 AI 在医学理解方面的进步。

(以上内容均由Ai生成)