<p>香港科技大學（港科大）成功研發(fā)四大嶄新的AI醫(yī)學大模型，推進醫(yī)療保健領(lǐng)域的發(fā)展。這批AI醫(yī)學大模型旨在協(xié)助全科及?？漆t(yī)生診癥，能為多達30 種癌癥及疾病提供診斷和預后評估，部分模型的準確度更可與擁有5 年或以上經(jīng)驗的專業(yè)醫(yī)療人員媲美。</p> <p>&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/173226971740592.jpg" alt="" /></p> <p style="text-align: center;"><span style="color: #666666;">港科大首席副校長郭毅可教授（左）與港科大計算機科學及工程學系助理教授陳浩教授（右）。</span></p> <p>&nbsp;</p> <p>是次研究透過港科大的人工智能運算設(shè)施進行，在充足的運算力下，這些AI醫(yī)學系統(tǒng)得以由大量數(shù)據(jù)建構(gòu)而成，結(jié)合團隊創(chuàng)新的機器學習訓練策略，性能表現(xiàn)比其他現(xiàn)有模型更為優(yōu)秀。領(lǐng)導研究的港科大計算機科學及工程學系助理教授陳浩教授指出，單單是其中一個針對病理學而設(shè)的 AI 基礎(chǔ)模型，便曾處理逾1.6億張醫(yī)學圖像，涵蓋32癌癥類別。</p> <p>&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/173226971739597.jpg" alt="" /></p> <p>（<span style="color: #666666;">左起）郭毅可教授、陳浩教授、暨南大學第二臨床醫(yī)學院深圳市人民醫(yī)院放射科主任醫(yī)師吳明祥醫(yī)生，及南方醫(yī)科大學基礎(chǔ)醫(yī)學院病理系/南方醫(yī)院病理科主任梁莉教授。</span></p> <p>&nbsp;</p> <p>四大模型包括：</p> <p>&nbsp;</p> <p>&bull;&nbsp;&nbsp; <strong>&nbsp;MOME（乳癌診斷）</strong>為首個以大模型方式分析多參數(shù)磁力共振（MRI）影像的AI模型，針對乳癌診斷而設(shè)。乳癌是本港女性最常見的癌癥之一，此模型能助醫(yī)生分析病人的乳房MRI，輔助他們快速區(qū)分乳房腫瘤屬良性或惡性，從而盡量避免病人進行不必要的病理穿刺化驗。此外，此AI模型更能預測患者對化療的反應，為病人制定適合的治療方案。系統(tǒng)的準確度能與具有5年或以上經(jīng)驗的放射科醫(yī)生相媲美，對為病人開創(chuàng)非入侵性及個人化的治療管理有莫大幫助。</p> <p>&nbsp;</p> <p>&bull;&nbsp;&nbsp; <strong>&nbsp;mSTAR（病理輔助工具）</strong>是世界領(lǐng)先的病理學基礎(chǔ)模型之一。病理檢查是世界認可診斷癌癥的「黃金標準」，然而，撰寫病理報告的過程非常耗時，而且容易出錯，而mSTAR這個模型正是為改善此一流程而建構(gòu)。與一般模型不同，mSTAR并非將整張切片分割及獨立分析，而是將整幅病理全景影像作分析，并引入多模態(tài)知識增強識別能力，有助病理學家執(zhí)行多達40 項診斷和預后任務，減低病理分析所需的時間，并提升診斷的準確性。</p> <p>&nbsp;</p> <p>&bull;&nbsp;&nbsp;<strong> &nbsp;MedDr (全科)&nbsp;</strong>仿如一位AI 全科醫(yī)生。此多模態(tài)語言模型猶如醫(yī)學界的「GPT」，能解答問題、撰寫醫(yī)療報告，并根據(jù)醫(yī)學圖像為病人作初步診斷等，為目前全科醫(yī)學中最具規(guī)模的開源軟體，有助醫(yī)生做出快速、準確及可靠的診斷。在上海人工智慧實驗室近日進行的一項評測中，MedDr更被評為全球同類模型中性能最佳的AI系統(tǒng)之一。</p> <p>&nbsp;</p> <p>&bull;&nbsp;&nbsp;<strong> &nbsp;XAIM（可解釋的人工智能）</strong>是一個創(chuàng)新的AI框架，用于剖析各個AI醫(yī)學系統(tǒng)如何作出決策，以提升醫(yī)療人員對AI模型的信任度。雖然現(xiàn)時不少AI系統(tǒng)準確度甚高，惟透明度欠奉，惹來疑慮。XAIM遂為系統(tǒng)的診斷結(jié)果，提供圖像及文字解釋，提升醫(yī)療人員對系統(tǒng)分析結(jié)果原由的理解。</p> <p>&nbsp;</p> <p><strong>陳教授身兼港科大與華中科技大學同濟醫(yī)學院附屬醫(yī)院「醫(yī)工交叉聯(lián)合創(chuàng)新中心」主任，他表示：</strong>「我們期望這批AI系統(tǒng)能成為醫(yī)生的得力助手，協(xié)助完善診斷、促進個人化治療并簡化流程工作。在目前的成功基礎(chǔ)上，我們正研發(fā)一系列針對不同臨床任務的AI系統(tǒng)，包括精準腫瘤學和計算機輔助介入等醫(yī)療工作。同時，我們亦會繼續(xù)收集更多數(shù)據(jù)作訓練，以不斷優(yōu)化現(xiàn)有的AI模型。長遠而言，我們冀透過與臨床合作伙伴保持緊密合作，為病人謀福祉?！?lt;/p> <p>&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/173226971811509.jpg" alt="" /></p> <p><span style="color: #666666;">陳浩教授團隊研發(fā)四大嶄新的AI醫(yī)學大模型，旨在協(xié)助全科及?？漆t(yī)生診癥，能為多達 30 種癌癥及疾病提供診斷和預后評估。</span></p> <p>&nbsp;</p> <p>作為AI研究的領(lǐng)航者，港科大過往亦于醫(yī)學領(lǐng)域取得不少極具影響力的研究突破，包括能預測腦癌患者接受治療后的進程和結(jié)果的AI模型、一項可精準檢測阿爾茲海默癥和輕度認知障礙的血液測試、以及一種嶄新的AI細胞成像技術(shù)，協(xié)助醫(yī)生在手術(shù)期間及時判斷癌肺細胞切除的準確范圍，減輕患者可能承受第二次開刀的風險。</p> <p>&nbsp;</p> <p><img style="display: block; margin-left: auto; margin-right: auto;" src="https://info.compassedu.hk/173226971875360.jpg" alt="" /></p> <p style="text-align: center;"><span style="color: #666666;">港科大首席副校長郭毅可教授</span></p> <p style="text-align: center;">&nbsp;</p> <p>本文轉(zhuǎn)載自&ldquo;香港科技大學&rdquo;公眾號</p> <div class="qrcode-content-wrapper" contenteditable="false"> <div style="position: absolute; top: 136px; left: 20px; z-index: 2;" contenteditable="false">&nbsp;</div> <div style="position: absolute; top: 874px; left: 20px; z-index: 2;" contenteditable="false">&nbsp;</div> <div style="position: absolute; top: 2189px; left: 20px; z-index: 2;" contenteditable="false">&nbsp;</div> <div style="position: absolute; top: 2951px; left: 20px; z-index: 2;" contenteditable="false">&nbsp;</div> </div>