医疗AI辅助诊断的对抗攻击脆弱性与临床验证防护.docx

PAGE2

《医疗AI辅助诊断的对抗攻击脆弱性与临床验证防护》

一、调研概述

1.1调研背景与目的

近年来，医疗人工智能在皮肤镜、眼底照等医学影像辅助诊断领域取得了突破性进展，诊断准确率甚至在特定任务上超越了人类专家。然而，深度学习模型内在的脆弱性使其极易遭受对抗攻击的威胁。攻击者通过在医学影像中注入肉眼难以察觉的微小扰动，即可导致AI模型产生致命的误诊，如将恶性黑色素瘤误判为良性痣，或将糖尿病视网膜病变的正常眼底识别为严重病变。

这种对抗性脆弱性直接威胁患者生命安全与医疗系统公信力，成为制约医疗AI商业化落地的核心瓶颈。本次调研旨在深度剖析医疗AI在皮肤镜与眼底照等高分辨率影像场景下