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。