我国科学家建立生成式模型为医学 AI 训练提供技术支持

GoodNav 12月17日的消息，人工智能（AI）在医疗领域的重要性日益增强，尤其是在医学影像分析方面。借助 AI，医生可以更加迅速和准确地进行疾病诊断和治疗方案的制定。然而，要提升 AI 的智能水平，需要大量高质量的医学影像数据进行训练。

尽管如此，由于患者隐私的保护、高昂的数据标注成本等多种因素，获取高质量且多样化的医学影像数据常常面临障碍。因此，近年来，研究者们开始探索使用生成式 AI 技术来合成医学影像数据，以此来丰富数据来源。

为了解决这一问题，北京大学与温州医科大学的研究团队开发了一种生成式多模态跨器官医学影像基础模型（MINIM），该模型能够基于文本指令以及多种器官的成像方式，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强有力的技术支持。

这一研究成果已于12月11日发表在国际权威期刊《自然・医学》上（附 DOI:10.1038/s41591-024-03359-y）。

简单来说，MINIM 像一个“图像生成器”，它能够通过 AI 技术根据文字描述，自动合成大量医学影像数据，包括 CT、X光、磁共振等多种类型，覆盖多个器官。

北京大学未来技术学院的助理研究员王劲卓表示，“目前可公开获取的医学影像数据非常有限，而我们所建立的生成式模型有望解决训练数据不足的问题。”

这些合成影像数据的真实性如何？研究团队利用了多种器官在 CT、X光、磁共振等不同成像方式下的高质量影像与文本配对数据进行训练，最终生成的医学合成影像在图像特征和细节表现等方面与真实医学图像高度一致。

实验结果显示，使用 MINIM 生成的合成数据，在医生的主观评价及客观检测标准上均达到了国际领先水平。在真实数据的基础上，结合20倍的合成数据，在眼科、胸科、脑科和乳腺科的多项医学任务中，准确率平均可提升12%至17%。

王劲卓还指出，MINIM 所生成的合成数据具有广泛的应用前景，既可以单独用于训练医学影像大模型，也可以与真实数据相结合使用，以提升模型在实际应用中的性能，推动 AI 在医疗和健康领域的更广泛应用。

目前，在疾病诊断、医学报告生成和自监督学习等关键领域，利用 MINIM 生成的数据进行训练已展现出显著的性能提升。