传闻：无需图像的视觉语言医学诊断

摘要

当被要求描述从未附加过的医学图像时，前沿视觉语言模型不会放弃：他们捏造了一个诊断。我们证明这种虚构并不是随机的。它是根据患者的身份来构建的。在胸部 X 光、脑部 MRI 和皮肤科方面，Claude Opus-4.7、GPT-5.4 和 Gemini-3.1-Pro 均仅使用人口统计描述符而不是图像进行查询，并且更改描述符会系统地改变返回的诊断结果。克劳德高度集中注意力：一位 65 岁的白人询问皮肤痣，几乎每次回答都被诊断为黑色素瘤；一位 32 岁的黑人女性询问她的胸部 X 光检查结果，得到了结节病诊断，其推理是“根据人口统计学和经典模式，疑似”。GPT-5.4 的影响范围更广，遍及我们测试的每个人口统计细胞，最引人注目的是，在胸部 X 光检查中，年轻黑人患者被命名为结节病。两个结构性发现使问题变得更加尖锐，其中散文承认了缺失的图像，而结构化诊断领域却命名了一种疾病，当“皮肤痣”被替换为“皮肤病变”时，克劳德的皮肤病学效果完全崩溃，而 GPT-5.4 则被保留，这表明海市蜃楼是一系列不同的失败模式，而不是临床中值得信赖的 VLM 部署。 pipelines需要直接审计结构化输出通道，探测词敏感度应作为一级评估维度