▎药明康德内容团队编辑
日前，《自然-医学》（Nature Medicine）期刊发表了一项人工智能（AI）应用于医学影像领域的新研究。来自温州医科大学眼视光医院、北京大学、澳门科技大学等机构的科研人员合作，在生成式医学影像模型取得重大突破，研发出了世界首个通用大型生成式医学影像模型（MINIM）。这款生成式AI能够根据文本指令，为各种器官生成海量合成影像数据，为医学影像领域的大模型训练注入“新燃料”。
论文介绍，AI模型开发和临床应用依赖于高质量的大型医学影像数据集，然而考虑到保护患者隐私等因素，这类数据很难共享。因此，高质量医学影像数据集的稀缺目前成为了推动AI在医学中的应用的一大阻碍，这在不太常见的疾病、代表性不足的人群和新兴的影像方式中尤为明显。
在这项工作中，科学家们通过少量高质量的医学影像与报告配对数据训练模型，实现了跨器官、多模态的海量高质量医学影像及报告的生成。MINIM不仅有效解决了患者隐私保护问题，还克服了高昂的数据标注成本等医学大模型训练中的关键瓶颈。
▲生成式医学影像模型的开发过程示意图（图片来源：参考资料[1]）
研究结果显示，MINIM生成的合成数据在医生主观评测和多项客观检验指标上有着出色表现，在临床应用中展现了重要的参考价值。
特别值得一提的是，研究团队通过强化学习技术为MINIM引入了自我优化机制，模型能够根据医生评分不断提升生成能力。论文共同通讯作者、温州医科大学张康教授指出，这一递归优化路径为医学影像数据的合成与应用开辟了新方向。
在面对以前从未见过的数据域时，MINIM表现出卓越的泛化能力，能够扩展至其他器官和成像模态的数据生成领域。例如，对于未参与模型训练的脑部磁共振（MRI）数据，通过在MINIM上微调，显著提升了这类数据的生成性能。共同通讯作者、北京大学未来技术学院助理研究员王劲卓对此指出，作为生成式医学影像的基础模型，MINIM代表了通用医学人工智能（GMAI）领域的一项重要进展。
▲MINIM生成的合成数据展现广泛的应用前景（图片来源：参考资料[1]）
在论文中，研究人员进一步展示了MINIM生成的合成数据的多种下游应用场景。这些数据既可以单独作为训练集用于构建医学影像大模型，也可以与真实数据结合，显著提高模型在实际任务中的性能。在疾病诊断、医学报告生成及自监督学习等关键领域，使用MINIM生成的合成数据训练模型，获得了显著的性能提升。
而在临床应用上，MINIM也显示出了潜在价值。例如，在肺部CT影像中准确识别对靶向疗法敏感的EGFR突变，有助于提高患者5年生存率。在亚型众多的乳腺癌中，MINIM的合成图像可用于提高分类的准确率，从乳腺MRI影像中更准确地预测HER2突变阳性乳腺癌。
共同通讯作者、温州医科大学瞿佳教授总结说：“这项研究构建了一个跨器官、多模态的生成式医学影像模型，为缓解传统医疗数据获取与标注的困境提供了创新方案，也为医学影像大模型的开发、精准医疗的推进及个体化治疗的探索提供了强有力的技术支撑。”
近年来，张康教授团队在医学人工智能领域持续推动医学影像与人工智能的深度融合，他表示：“本次研究是我们团队探索生成式AI在医学影像领域应用的一项重要尝试，未来我们将继续探索，为实现医学人工智能的全面突破和广泛应用贡献力量。”
参考资料：
[1] Jinzhuo Wang et al., Self-improving generative foundation model for synthetic medical image generation and clinical applications. Nature Medicine (2024) https://doi.org/10.1038/s41591-024-03359-y
本文来自药明康德内容微信团队，欢迎转发到朋友圈，谢绝转载到其他平台。如有开设白名单需求，请在“学术经纬”公众号主页回复“转载”获取转载须知。其他合作需求，请联系wuxi_media@wuxiapptec.com。
免责声明：药明康德内容团队专注介绍全球生物医药健康研究进展。本文仅作信息交流之目的，文中观点不代表药明康德立场，亦不代表药明康德支持或反对文中观点。本文也不是治疗方案推荐。如需获得治疗方案指导，请前往正规医院就诊。
热门跟贴