四大 AI 醫學大模型，為 30 種癌症及疾病提供診斷
科大研發
它
它們的性能表現比現有的其他模型更為優秀，部分模型的準確度，可與擁有五年或以上經驗的專業醫療人員媲美，有望將醫生的診斷時間縮短 30% 至 40%。
（上圖）香港科技大學首席副校長郭毅可教授（左）與計算機科學及工程學系助理教授陳浩博士（右）
香港科技大學（科大）研發了四個嶄新的 AI 醫學大模型，旨在協助全科及專科醫生診症，它們能為多達 30 種癌症及疾病提供診斷和預後評估。科大表示，它們的性能表現比現有的其他模型更為優秀，部分模型的準確度，可與擁有五年或以上經驗的專業醫療人員媲美，有望將醫生的診斷時間縮短 30% 至 40%。
領導研究的科大計算機科學及工程學系助理教授陳浩博士介紹，其中一個針對病理學而設的 AI 基礎模型以超過 1.6 億張醫學圖像來訓練，涵蓋 32 個癌症類別。
該四個模型包括：
MOME（乳癌診斷）：首個以大模型架構分析多參數磁力共振影像的 AI 模型，針對乳癌診斷而設。此模型能助醫生快速區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 模型能預測患者對化療的反應，為病人制定適合的治療方案。模型現已收集了內地最大規模的相關數據，涵蓋五家醫院、超過 10000 名患者的多參數磁力共振影像，診斷準確率已超過 90%，此準確度可與擁有五年或以上經驗的放射科醫生相媲美。它對開創非入侵性、個人化的治療管理，有莫大幫助。
MOME
mSTAR（病理輔助工具）：世界領先的病理學基礎模型之一。病理檢查是世界認可診斷癌症的「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 正為了改善此一流程而建構。與一般模型不同，mSTAR 並非將整張切片分割及一一獨立分析，而是將整幅病理全景影像來作分析，並引入多模態知識增強識別能力，有助病理學家執行多達 40 項診斷和預後任務，減低病理分析所需的時間，並提升診斷的準確性。
mSTAR
MedDr（全科）：此多模態語言模型，猶如醫學界的「GPT」，能仿如全科醫生解答問題，撰寫醫療報告，並根據醫學圖像為病人作初步診斷等，為目前全科醫學中最具規模的開源軟體，有助醫生做出快速、準確及可靠的診斷。在上海人工智能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 系統之一。
MedDr
XAIM（可解釋的人工智能）：是一個創新的 AI 框架，用於剖析各個 AI 醫學系統如何作出決策，以提升醫療人員對 AI 模型的信任度。雖然現時不少 AI 系統準確度甚高，惟透明度欠奉，惹來疑慮。XAIM 可為系統的診斷結果提供圖像及文字解釋，提升醫療人員對系統分析結果原由的理解。
團隊演繹 XAIM 的 AI 信息分析功能
陳浩博士身兼科大與華中科技大學同濟醫學院附屬醫院「醫工交叉聯合創新中心」主任。他表示：「我們期望這批 AI 系統能成為醫生的得力助手，協助完善診斷、促進個人化治療並簡化流程工作。在目前的成功基礎上，我們正研發一系列針對不同臨床任務的 AI 系統，包括精準腫瘤學和計算機輔助介入等醫療工作。同時，我們亦會繼續收集更多數據作訓練，以不斷優化現有的 AI 模型。長遠而言，我們冀透過與臨床合作夥伴、包括內地多間醫院保持緊密合作，為病人謀福祉。」
（左起）郭毅可教授、陳浩博士、暨南大學第二臨床醫學院深圳市人民醫院放射科主任醫師吳明祥醫生，（視像）南方醫科大學基礎醫學院病理系／南方醫院病理科主任梁莉教授
科大過往在醫學領域的研究突破包括：能預測腦癌患者接受治療後的進程和結果的 AI 模型、一項可精準檢測阿爾茲海默症和輕度認知障礙的血液測試、一種可協助醫生在手術期間及時判斷癌肺細胞切除準確範圍的 AI 細胞成像技術，減輕患者承受第二次開刀的風險。
來源：香港科技大學
科大研發
四大 AI 醫學大模型，為 30 種癌症及疾病提供診斷
