中国科学家研制生成模型，助力医学人工智能训练
在医学人工智能领域，医学影像大模型因其强大的医学影像分析能力而备受关注。然而，受限于隐私保护和高昂的数据标注成本，获得高质量、多样化的医学影像数据始终是构建医学影像大模型的一大难题。
近日，北京大学未来技术学院和温州医科大学的研究团队取得重大突破，建立了一种生成式多模态跨器官医学影像基础模型（MINIM）。该模型基于文本指令和多器官的多种成像方式，可以合成海量的高质量医学影像数据，为医学影像大模型的训练、精准医疗及个性化诊疗提供了有力技术支持。这项研究成果已于近期在国际权威期刊《自然·医学》上在线发表。
突破瓶颈，合成医学影像数据
医学影像大模型是利用深度学习和大规模数据训练的 AI 通用模型，可自动分析医学影像以辅助诊断和治疗规划。但要提升大模型的性能，就需要大量数据不断进行训练。然而，由于患者隐私保护、高昂的数据标注成本等多种因素，要获得高质量、多样化的医学影像数据往往存在障碍。
为此，研究团队开始探索使用生成式 AI 技术合成医学影像数据。他们利用多种器官在 CT、X 光、磁共振等不同成像方式下的高质量影像文本配对数据进行训练，最终生成海量的医学合成影像，其在图像特征、细节呈现等多方面都与真实医学图像高度一致。
性能突出，广泛应用
实验结果表明，MINIM 生成的合成数据在医生主观评测指标和多项客观检验标准方面达国际领先水平，在临床应用中具有重要参考价值。在真实数据基础上，使用 20 倍合成数据在眼科、胸科、脑科和乳腺科的多个医学任务准确率平均可提升 12% 至 17%。
MINIM 合成的医学影像数据具有广泛的应用前景，可单独作为训练集来构建医学影像大模型，也可与真实数据结合使用，提高模型在实际任务中的性能，推动 AI 在医学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 合成数据进行训练已展现出显著的性能提升。
未来展望，助力医学人工智能发展
该研究成果为医学人工智能领域的发展提供了新的契机，有望解决训练数据匮乏的难题，推动医学影像大模型的构建。研究团队表示，未来将进一步探索 MINIM 的潜力，将其应用于更多医学领域，开发更先进的医学人工智能技术，为医疗健康事业的发展做出贡献。
原创文章，作者：讯知在线，如若转载，请注明出处：http://mip.xzxci.cn/2024/12/21/40108.shtml
