事实核查
Parent: ai_keywords
事实核查（Fact-Checking）
核心定义
事实核查是一种系统性地验证断言、陈述或数据真实性的过程，它整合了自然语言处理、知识图谱推理与统计建模，旨在区分事实与虚构。在人工智能的赋能下，事实核查已从人工逐条核对演进为自动化、实时化的信息可信度评估体系。
关键技术点
- 多源证据聚合与交叉验证
从结构化数据库（如临床指南）、非结构化文本（文献、病历）及传感器数据中提取证据，通过三角互证降低单一信源的偏倚。 - 知识图谱推理与矛盾检测
构建领域专用知识图谱（如神经解剖学关系图），利用图神经网络检测待核查陈述与已知事实间的逻辑冲突或时间矛盾。 - 深度伪造与欺诈检测
针对神经影像（MRI/CT）、脑电图（EEG）等模态数据，使用对抗训练模型识别合成或篡改痕迹，防止临床资料伪造。 - 不确定性量化与置信度评分
通过贝叶斯推理或集成学习输出核查结果的概率化置信区间，为临床决策提供风险感知的可靠性标记。 - 可解释性回溯
利用注意力机制或反事实推理，生成完整核查链（如“为何断定该病史陈述不可靠”），满足医学场景的问责需求。
医学/神经科学应用场景
案例：脑卒中急性期溶栓决策的事实核查
在首都医科大学宣武医院神经内科，时间窗口（发病<4.5小时）是溶栓治疗的关键。患者或其家属常因应激而提供模糊甚至错误的时间描述。AI事实核查系统实时执行以下步骤：
- 交叉验证患者自述的“发病时间”与急诊挂号记录、影像DICOM头文件的采集时间戳。
- 核实CT/MRI报告中的DWI-FLAIR mismatch计算是否基于原始数据，并检测影像是否存在压缩伪迹或选择性裁剪（如仅展示利于诊断的层面）。
- 通过自然语言处理比对初次NIHSS评分记录与后续神经专科评估的文本一致性，排除人为升/降分幻觉。
- 输出核查结论：“发病时间可信度78%±5%；影像原始性通过；评分一致性欠佳（差异>2分），建议启动神经电生理复核。”
该流程将溶栓误判率降低12%，尤其对癫痫发作后假性脑卒中（Stroke mimics）的误判干预效果显著。在帕金森病药物剂量调整中，类似系统也可核查患者智能设备记录的步态参数是否被刻意夸大或低估。
