根據北美放射學會（RSNA）旗艦期刊《放射學》（Radiology）3 月 24 日發表的最新研究指出，人工智慧（AI）生成的「深度偽造」（Deepfake）X 光片已達到足以亂真的程度，不僅能成功欺騙資深的放射科醫師，連最先進的多模態大型語言模型（LLM）也難以準確辨識。這項驚人的發現，無疑為全球醫學界敲響警鐘，引發各界對醫療紀錄真實性與網路安全風險的嚴肅討論，揭示了數位醫療時代下的新興挑戰。
深度偽造 X 光片：人類醫師辨識能力大考驗
數據發現：這項由紐約西奈山伊坎醫學院 Mickael Tordjman 博士主導的研究，邀請了來自美國、法國、德國、土耳其、英國及阿拉伯聯合大公國等六個國家、十二個醫療中心的十七位放射科醫師參與。這些醫師的資歷從新手到擁有長達四十年經驗的專家皆有。研究團隊精心準備了共 264 張 X 光片，其中一半是真實影像，另一半則是由 ChatGPT 或史丹佛大學開發的開源模型 RoentGen 所生成的合成影像。
解讀意義：研究結果顯示，當放射科醫師在不知情的情況下評估這些影像時，僅有 41% 的人能自主察覺到影像的異常。即使在被告知影像中包含 AI 生成內容後，醫師的平均辨識準確率也僅提升至 75%，且個體表現差異極大，從最低的 58% 到最高的 92% 不等。值得注意的是，專業年資並未顯著提升辨識能力，僅有肌肉骨骼放射科醫師的表現略優於其他專科。
這項數據突顯了人類專家在面對日益精密的 Deepfake X 光片時的脆弱性，即使是經驗豐富的放射科醫師，也難以完全分辨真偽，這對臨床診斷的準確性構成了潛在威脅。
產業影響：此研究結果警示了醫療影像判讀的複雜性，未來可能需要引入新的輔助工具或訓練機制，以提升醫師對 Deepfake X 光片的警覺性與辨識能力，確保醫療判斷的可靠性。
頂尖 AI 模型亦難辨識深偽影像：技術反噬的警示
數據發現：除了人類專家面臨挑戰，研究團隊也測試了包括 GPT-4o、GPT-5、Gemini 2.5 Pro 以及 Meta 的 Llama 4 Maverick 在內的多款頂尖 AI 模型，以評估其偵測 Deepfake 影像的能力。這些模型的準確率介於 57% 至 85% 之間。
解讀意義：令人諷刺的是，即使是曾參與生成這些影像的 ChatGPT-4o，也無法完全辨識出所有的偽造作品。這表明 AI 在生成高度逼真內容的同時，其自身的辨識能力並未同步達到完美的程度。
「連生成者都無法完全辨識其作品，這明確指出我們正處於一個技術反噬的臨界點，AI 生成的影像已經超越了傳統的辨識框架。」研究人員對此現象表達了深切憂慮。
產業影響：當前 AI 輔助診斷系統的普及，使得醫療機構必須正視 AI 模型本身也可能成為 Deepfake 攻擊目標的風險。如何確保 AI 診斷系統的輸入數據真實無虞，已成為刻不容緩的議題。
「過於完美」：Deepfake X 光片的獨特特徵
數據發現：Mickael Tordjman 博士深入分析這些 Deepfake X 光片之所以難以辨認的原因。他指出，這些影像往往呈現出「太過完美」的特徵，例如骨骼過於光滑、脊椎異常筆直、肺部過度對稱、血管模式過於均勻，或是骨折的裂痕過於乾淨且僅局限於骨骼的一側。
解讀意義：這種「完美」在現實的人體生理結構中極為罕見，卻成了 AI 繪圖的獨有特徵。人類身體的自然變異和不對稱性，反而是真實影像的印記，而 AI 在追求完美擬真時，卻不經意地暴露了其非人為的本質。
產業影響：這項發現為未來 Deepfake 偵測技術的開發提供了重要方向。辨識 Deepfake X 光片可能不再是尋找「不自然」之處，而是辨識「過於自然」或「過於完美」的異常，從而建立新的辨識模型。
醫療影像安全面臨嚴峻挑戰與防護對策
數據發現：專家警告，Deepfake X 光片技術的成熟可能帶來嚴重的社會風險。這些偽造影像可能被惡意用於詐欺訴訟，或成為駭客攻擊醫院網路的手段，透過植入虛假影像來操縱診斷結果，進而破壞數位醫療紀錄的根本可信度。
解讀意義：這種威脅不僅影響醫療診斷的準確性，更可能動搖病患對醫療體系的信任，甚至造成嚴重的醫療糾紛與經濟損失。
「數位醫療紀錄的完整性是現代醫療體系的基石。一旦 Deepfake X 光片被廣泛應用於惡意目的，其後果將是毀滅性的，從病患安全到法律責任都將受到衝擊。」研究團隊呼籲各界正視此潛在危機。
產業影響：為了應對此一新興威脅，研究人員建議應加強數位防護措施，例如在醫療影像中嵌入不可見的浮水印，或使用與操作技術員關聯的加密簽章，以確保影像的來源與真實性。
數據背後的啟示：迎接 3D 醫療影像深偽時代
隨著 AI 技術的持續演進，研究團隊預測下一步將出現 3D 醫療影像（如電腦斷層掃描 CT 或磁振造影 MRI）的深度偽造技術，這將使辨識工作更具挑戰性。面對 Deepfake X 光片已能輕易欺騙資深醫師與頂尖 AI 的現況，醫療領域必須超前部署，為未來可能出現的更複雜的數位威脅做好準備。目前，該團隊已釋出一套 Deepfake 影像數據集與互動式測驗，旨在提升醫療從業人員的警覺性與辨識能力，為未來的醫療影像安全保衛戰提供重要的基礎。