我国科学家建立生成式模型为医学 AI 训练提供技术支持

IT之家在报道中指出，人工智能（AI）在医疗领域扮演的角色日益重要，特别是在医学影像分析方面。医生们通过AI可以更快速、更准确地诊断疾病并制定治疗方案。然而，要使AI变得更加智能，就需要大量高质量的医学影像数据进行培训。

然而，由于患者隐私保护和数据标注成本等多种因素，获取高质量、多样化的医学影像数据常常面临阻碍。因此，研究人员开始尝试使用生成式AI技术来合成医学影像数据，以扩充数据来源。

为了解决这一难题，北京大学与温州医科大学的联合研究团队开发了一种名为生成式多模态跨器官医学影像基础模型（MINIM）的技术。该技术能够根据文本指令和多种器官成像方式，合成大量高质量的医学影像数据，为医学影像大模型的训练、精准医疗和个性化诊疗提供有力支持。

《自然・医学》杂志刊登了这一研究成果（DOI:10.1038/s41591-024-03359-y），文章发表于12月11日。

总体来说，MINIM就像一个“图像生成器”，利用AI技术可以根据文字描述自动生成各种医学影像数据，包括CT、X光、磁共振等多种成像方式，覆盖了多个器官。

北京大学未来技术学院的助理研究员王劲卓解释说：“目前公开的医学影像数据非常有限，我们开发的生成式模型有望解决数据不足的问题。”

研究团队通过使用多种器官在不同成像方式下的高质量影像文本对进行训练，最终生成了逼真的医学合成影像。合成数据在图像特征和细节表现等方面与真实医学图像高度吻合。

实验结果显示，利用MINIM生成的合成数据在医生主观评价和客观检测标准上均达到国际领先水平。在真实数据基础上，使用合成数据可将眼科、胸科、脑科和乳腺科等多个医学任务的准确度平均提升12%至17%。

王劲卓还表示，MINIM生成的合成数据应用广泛，既可用于医学影像大模型训练，也可与真实数据混合使用，提高模型在实际应用中的性能，推动AI在医学和健康领域的更广泛应用。

MINIM合成数据已在疾病诊断、医学报告生成和自监督学习等关键领域展现出显著的性能提升。

广告声明：文中包含的外部链接仅供参考，用于传递更多信息，节省挑选时间，包括但不限于超链接、二维码、口令等形式。