科大研发四款AI医学大模型 助诊断癌症等30种疾病 2024-11-01 生活百科 878℃ 0 图：科大团队研发出四款崭新的人工智能医学大模型。\港闻文汇全媒体记者涂穴摄 为推进医疗保健领域发展，协助医生提高诊治的精准度和效率，香港科技大学研发出四个崭新的人工智能（AI）医学大模型，涵盖乳癌诊断、病理辅助和全科医学等，可为癌症等多达30种疾病提供诊断和预后评估。当中，针对乳癌诊断而设的MOME是全球首个以大模型方式分析多参数磁力共振（MRI）影像的AI模型，可协助医生快速分辨乳房肿瘤属良性或恶性，其准确度达90%以上，可媲美具有5年或以上经验的专业放射科医生。 另外，团队亦研发出被称为“医学界GPT”的MedDr多模态语言模型，可为患者进行初步诊断，被评为全球同类模型中性能最佳的AI系统之一。\港闻文汇全媒体记者 钟健文 快速AI诊断乳癌 媲美五年以上经验医生 科大首席副校长郭毅可与负责领导研究的科大计算机科学及工程学系助理教授陈浩，昨日就四个AI医学模型的研究成果与应用潜力进行介绍。陈浩表示，这次历时近3年的研究是透过科大的人工智能运算设施进行，在充足的运算力下，这些AI医学系统得以由大量数据建构而成，结合团队创新的机器学习训练策略，性能表现比其他现有模型更为优秀，例如单是其中一个针对病理学而设的AI基础模型，便曾处理逾1.6亿张医学图像，涵盖32癌症类别。 预测化疗反应 制定治疗方案 陈浩指出，针对乳癌的诊断，团队研发出名为MOME的AI模型，它以大模型方式分析多参数磁力共振影像，能够助医生分析患者的乳房MRI影像，辅助他们快速区分乳房肿瘤属良性或恶性，从而尽量避免病人进行不必要的病理穿刺化验；此外，该AI模型更能预测患者对化疗的反应，为病人制定适合的治疗方案；而该系统的准确度可比具有5年或以上经验的放射科医生，对为病人开创非入侵性及个人化的治疗管理有莫大帮助。 陈浩表示，MOME模型采集了内地5间医院逾1万多个病例的数据，并在此大规模的数据基础上，采用先进技术去透过多模态混合专家模型，来实现对多序列MRI影像的具体判断，包括病灶的检测、分割及良好性等，“根据AUROC这个非常客观的指标，目前该模型的准确度可达90%以上。”他透露，现时正逐步扩大数据库及收集更多医生的反馈以进行分析和优化，正与包括香港和内地的医院保持密切沟通，目标是在下一阶段实现有10家以上医院的数据。 科大团队亦建构了称为mSTAR的病理辅助工具。陈浩介绍，它是世界领先的病理学基础模型之一，与一般模型不同，mSTAR并非将整张切片分割及独立分析，而是将整幅病理全景影像作分析，并引入多模态知识增强识别能力，有助病理学家执行多达40项诊断和预后任务，减低病理分析所需的时间，并提升诊断的准确性。 医学界“GPT” 可撰医疗报告 另外，陈浩指出，团队也研发出有如AI全科医生的MedDr多模态语言模型，能够解答问题、撰写医疗报告，并根据医学图像为病人作初步诊断等，是目前全科医学中最具规模的开源软体，有助医生做出快速、准确及可靠的诊断，被形容为医学界的“GPT”。 而为了提升医疗人员对AI模型的信任度，团队亦开发出一个创新的AI框架──XAIM（可解释的人工智能），用于剖析各个AI医学模型系统是如何作出决策，并为系统的诊断结果提供图像及文字解释，以提升医疗人员对系统分析结果原由的理解，弥补现时不少AI系统准确度甚高但透明度欠奉引起疑虑的缺点。 身兼科大与华中科技大学同济医学院附属医院“医工交叉联合创新中心”主任的陈浩强调，这些AI模型绝对不能取代真实医生，但期望它们能成为医生的得力助手，达至“人机协同”，协助完善诊断、促进个人化治疗并简化流程工作。 上一篇 新医学院拟采四年制课程 亦收非本地生 下一篇 夏宝龙会见理大校董会主席林大辉、校长滕锦光一行 团结合作 不断擦亮香港高等教育“金字招牌” 相关推荐 “科技范儿”十足 亚冬会特许商品上新 花样滑冰——黑龙江省锦标赛：少年甲组女子单人滑赛况 追光丨知道“三大球”的你，知道青少年三大球运动会吗？ 一图看懂第十二届全国少数民族传统体育运动会！ 乒乓球——WTT福冈总决赛：孙颖莎不敌陈幸同无缘女单八强 新德里所有小学停课 空气污染恶化
图：科大团队研发出四款崭新的人工智能医学大模型。\港闻文汇全媒体记者涂穴摄 为推进医疗保健领域发展，协助医生提高诊治的精准度和效率，香港科技大学研发出四个崭新的人工智能（AI）医学大模型，涵盖乳癌诊断、病理辅助和全科医学等，可为癌症等多达30种疾病提供诊断和预后评估。当中，针对乳癌诊断而设的MOME是全球首个以大模型方式分析多参数磁力共振（MRI）影像的AI模型，可协助医生快速分辨乳房肿瘤属良性或恶性，其准确度达90%以上，可媲美具有5年或以上经验的专业放射科医生。 另外，团队亦研发出被称为“医学界GPT”的MedDr多模态语言模型，可为患者进行初步诊断，被评为全球同类模型中性能最佳的AI系统之一。\港闻文汇全媒体记者 钟健文 快速AI诊断乳癌 媲美五年以上经验医生 科大首席副校长郭毅可与负责领导研究的科大计算机科学及工程学系助理教授陈浩，昨日就四个AI医学模型的研究成果与应用潜力进行介绍。陈浩表示，这次历时近3年的研究是透过科大的人工智能运算设施进行，在充足的运算力下，这些AI医学系统得以由大量数据建构而成，结合团队创新的机器学习训练策略，性能表现比其他现有模型更为优秀，例如单是其中一个针对病理学而设的AI基础模型，便曾处理逾1.6亿张医学图像，涵盖32癌症类别。 预测化疗反应 制定治疗方案 陈浩指出，针对乳癌的诊断，团队研发出名为MOME的AI模型，它以大模型方式分析多参数磁力共振影像，能够助医生分析患者的乳房MRI影像，辅助他们快速区分乳房肿瘤属良性或恶性，从而尽量避免病人进行不必要的病理穿刺化验；此外，该AI模型更能预测患者对化疗的反应，为病人制定适合的治疗方案；而该系统的准确度可比具有5年或以上经验的放射科医生，对为病人开创非入侵性及个人化的治疗管理有莫大帮助。 陈浩表示，MOME模型采集了内地5间医院逾1万多个病例的数据，并在此大规模的数据基础上，采用先进技术去透过多模态混合专家模型，来实现对多序列MRI影像的具体判断，包括病灶的检测、分割及良好性等，“根据AUROC这个非常客观的指标，目前该模型的准确度可达90%以上。”他透露，现时正逐步扩大数据库及收集更多医生的反馈以进行分析和优化，正与包括香港和内地的医院保持密切沟通，目标是在下一阶段实现有10家以上医院的数据。 科大团队亦建构了称为mSTAR的病理辅助工具。陈浩介绍，它是世界领先的病理学基础模型之一，与一般模型不同，mSTAR并非将整张切片分割及独立分析，而是将整幅病理全景影像作分析，并引入多模态知识增强识别能力，有助病理学家执行多达40项诊断和预后任务，减低病理分析所需的时间，并提升诊断的准确性。 医学界“GPT” 可撰医疗报告 另外，陈浩指出，团队也研发出有如AI全科医生的MedDr多模态语言模型，能够解答问题、撰写医疗报告，并根据医学图像为病人作初步诊断等，是目前全科医学中最具规模的开源软体，有助医生做出快速、准确及可靠的诊断，被形容为医学界的“GPT”。 而为了提升医疗人员对AI模型的信任度，团队亦开发出一个创新的AI框架──XAIM（可解释的人工智能），用于剖析各个AI医学模型系统是如何作出决策，并为系统的诊断结果提供图像及文字解释，以提升医疗人员对系统分析结果原由的理解，弥补现时不少AI系统准确度甚高但透明度欠奉引起疑虑的缺点。 身兼科大与华中科技大学同济医学院附属医院“医工交叉联合创新中心”主任的陈浩强调，这些AI模型绝对不能取代真实医生，但期望它们能成为医生的得力助手，达至“人机协同”，协助完善诊断、促进个人化治疗并简化流程工作。
