O estudo mostra que imagens de raios-X criadas por IA podem enganar radiologistas e, em alguns casos, at\u00e9 ferramentas de IA. A pesquisa analisou 264 imagens de raios-X de pacientes humanos. Metade foi gerada por IA, usando ChatGPT ou RoentGen.<\/p>\n
Participaram 17 radiologistas de 12 hospitais em seis pa\u00edses. Quando n\u00e3o informaram o objetivo da pesquisa, apenas 41% conseguiram identificar as imagens sint\u00e9ticas sem ajuda adicional.<\/p>\n
Ap\u00f3s avisarem os avaliadores de que havia imagens artificiais, a precis\u00e3o m\u00e9dia dos profissionais subiu para 75%, demonstrando que o contexto influencia a identifica\u00e7\u00e3o.<\/p>\n
A equipe liderada pelo Dr. Mickael Tordjman, da Icahn School of Medicine at Mount Sinai, alerta sobre vulnerabilidade a lit\u00edgios e diagn\u00f3sticos equivocados, caso uma fratura falsa seja confundida com uma real.<\/p>\n
H\u00e1 ainda preocupa\u00e7\u00e3o com seguran\u00e7a cibern\u00e9tica: invas\u00f5es a redes hospitalares podem inserir imagens sint\u00e9ticas para manipular diagn\u00f3sticos ou causar caos cl\u00ednico.<\/p>\n
O estudo avaliou a capacidade de quatro grandes modelos de linguagem de detectar imagens falsas, com efic\u00e1cia variando entre 57% e 85%.<\/p>\n
Mesmo o ChatGPT-4o, respons\u00e1vel pela gera\u00e7\u00e3o de deepfakes, n\u00e3o detectou todas as imagens, embora tenha apresentado desempenho superior aos demais modelos.<\/p>\n
Pesquisadores defendem salvaguardas digitais para diferenciar imagens reais e falsas, como marcas d\u2019\u00e1gua invis\u00edveis que indiquem propriedade.<\/p>\n
Os autores ressaltam a necessidade de conjuntos de dados educativos e de ferramentas de detec\u00e7\u00e3o desde j\u00e1, para reduzir falsifica\u00e7\u00f5es futuras.<\/p>\n
Eles projetam a possibilidade de surgirem tomografias computadorizadas e resson\u00e2ncias magn\u00e9ticas falsas, ampliando a import\u00e2ncia de defesas t\u00e9cnicas.<\/p>\n","protected":false},"excerpt":{"rendered":"