我國科學(xué)家建立生成式模型，為醫(yī)學(xué) AI 訓(xùn)練注入強(qiáng)大技術(shù)動力 在醫(yī)學(xué)人工智能領(lǐng)域飛速發(fā)展的當(dāng)下，對高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)的需求極為迫切。2024 年 12 月 17 日 17 時 52 分，澎湃新聞發(fā)布一則重磅消息：北京大學(xué)與溫州醫(yī)科大學(xué)的研究團(tuán)隊取得了重大突破。 一直以來，醫(yī)學(xué)影像數(shù)據(jù)的獲取和處理面臨諸多挑戰(zhàn)。一方面，獲取大量不同類型、覆蓋多器官的高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)成本高昂，且受限于患者個體差異、設(shè)備條件等因素，數(shù)據(jù)的多樣性和完整性難以保證。另一方面，現(xiàn)有的醫(yī)學(xué)影像數(shù)據(jù)處理技術(shù)在合成多模態(tài)、跨器官影像數(shù)據(jù)時，往往存在精度不足、與實際情況契合度低等問題，這極大地制約了醫(yī)學(xué)影像大模型的訓(xùn)練效果，進(jìn)而影響了精準(zhǔn)醫(yī)療及個性化診療的發(fā)展。 正是在這樣的背景下，北京大學(xué)未來技術(shù)學(xué)院傳來捷報。研究團(tuán)隊成功建立了一種生成式多模態(tài)跨器官醫(yī)學(xué)影像基礎(chǔ)模型，即 MINIM。該模型的獨特之處在于，它能夠依據(jù)文本指令，同時結(jié)合多器官的多種成像方式，合成海量的高質(zhì)量醫(yī)學(xué)影像數(shù)據(jù)。 從技術(shù)原理來看，MINIM 創(chuàng)新性地融合了先進(jìn)的深度學(xué)習(xí)算法和多模態(tài)數(shù)據(jù)處理技術(shù)。它通過對大量已有的醫(yī)學(xué)影像數(shù)據(jù)進(jìn)行深度挖掘和學(xué)習(xí)，構(gòu)建起了一個龐大而精準(zhǔn)的影像特征庫。當(dāng)接收到文本指令時，模型能夠迅速從特征庫中提取相關(guān)信息，并根據(jù)不同器官的成像特點，運用獨特的算法進(jìn)行數(shù)據(jù)合成。例如，在面對心臟、肝臟等不同器官的醫(yī)學(xué)影像合成需求時，MINIM 能夠準(zhǔn)確把握各器官的形態(tài)、結(jié)構(gòu)和功能特征，生成與真實影像高度相似的數(shù)據(jù)。 這一成果的意義非凡。在醫(yī)學(xué)影像大模型的訓(xùn)練方面，以往由于數(shù)據(jù)的局限性，模型的泛化能力和準(zhǔn)確性受到很大影響。而 MINIM 提供的海量高質(zhì)量數(shù)據(jù)，能夠讓模型學(xué)習(xí)到更豐富的影像特征，從而顯著提升模型的性能。在精準(zhǔn)醫(yī)療領(lǐng)域，醫(yī)生可以借助 MINIM 生成的影像數(shù)據(jù)，更全面、準(zhǔn)確地了解患者的病情，制定出更具針對性的治療方案。對于個性化診療而言，MINIM 能夠根據(jù)患者的個體特征，生成個性化的醫(yī)學(xué)影像數(shù)據(jù)，為實現(xiàn)精準(zhǔn)的個性化治療提供了有力支持。 值得一提的是，該成果已在國際權(quán)威期刊《自然?醫(yī)學(xué)》上在線發(fā)表。這不僅是對研究團(tuán)隊辛勤努力和卓越智慧的高度認(rèn)可，也標(biāo)志著我國在醫(yī)學(xué)人工智能領(lǐng)域的研究達(dá)到了國際領(lǐng)先水平，為全球醫(yī)學(xué) AI 的發(fā)展做出了重要貢獻(xiàn)。相信在 MINIM 的技術(shù)支持下，醫(yī)學(xué) AI 將迎來更加蓬勃的發(fā)展，為人類健康事業(yè)帶來更多福祉。