Nature Biomedical Engineering | 讓AI自己找病灶 醫(yī)學(xué)影像診斷或?qū)⒏鎰e“手工標(biāo)注時(shí)代”
在醫(yī)院里,一張醫(yī)學(xué)影像往往隱藏著大量關(guān)鍵信息。但要讓AI 看懂這些影像,過去離不開醫(yī)生手動(dòng)“圈出”的病灶作為訓(xùn)練數(shù)據(jù)——這不僅耗費(fèi)大量時(shí)間和精力,也成為醫(yī)學(xué)影像 AI 難以大規(guī)模推廣的重要原因。
有沒有可能,讓AI不再依賴人工標(biāo)注,也能自己學(xué)會(huì)“哪里可能有病灶”?
1月6日,中國科學(xué)院深圳先進(jìn)技術(shù)研究院醫(yī)學(xué)成像科學(xué)與技術(shù)系統(tǒng)全國重點(diǎn)實(shí)驗(yàn)室研究員王珊珊團(tuán)隊(duì)聯(lián)合清華大學(xué)助理教授周洪宇、澳門科技大學(xué)教授張康等合作者在《自然—生物醫(yī)學(xué)工程》發(fā)表的最新成果,給出了一個(gè)全新的答案。
研究團(tuán)隊(duì)提出了一種名為AFLoc的人工智能模型,這一模型最大的特點(diǎn)是:不需要醫(yī)生提前標(biāo)注病灶,就能自動(dòng)在醫(yī)學(xué)影像中“找病灶”。
該研究中,王珊珊研究員、澳門科技大學(xué)醫(yī)學(xué)人工智能研究所教授張康為共同通訊作者;深圳先進(jìn)院醫(yī)工所影像中心博士生楊浩、清華大學(xué)助理教授周洪宇為共同第一作者;深圳先進(jìn)院為第一完成及最后通訊單位。研究工作同時(shí)得到了鄭海榮院士的指導(dǎo)與支持。
傳統(tǒng)的醫(yī)學(xué)影像AI模型的學(xué)習(xí)方式,就像學(xué)生做題必須先有標(biāo)準(zhǔn)答案,而AFLoc模型則更像是在“看圖讀報(bào)告”的過程中,自己學(xué)會(huì)理解影像含義。
研究人員介紹,“我們讓AFLoc 模型同時(shí)學(xué)習(xí)兩類信息,一類是醫(yī)學(xué)影像本身,比如胸片、眼底照片或病理切片,另一類是醫(yī)生撰寫的臨床報(bào)告。通過反復(fù)‘對(duì)照學(xué)習(xí)’,AFLoc模型會(huì)逐漸明白:臨床報(bào)告中提到的疾病描述,對(duì)應(yīng)影像中的哪些區(qū)域。久而久之,即使沒有人工標(biāo)注,它也能在影像中準(zhǔn)確標(biāo)出最可能的病灶位置?!?/span>
研究團(tuán)隊(duì)在胸部X光、眼底影像和組織病理圖像三種典型醫(yī)學(xué)影像模態(tài)上對(duì)AFLoc進(jìn)行了系統(tǒng)驗(yàn)證,結(jié)果顯示模型均表現(xiàn)出優(yōu)異性能。
在胸片實(shí)驗(yàn)中,AFLoc在覆蓋肺炎、胸腔積液、氣胸等34種常見胸部疾病、涉及8個(gè)主流公開數(shù)據(jù)集的測(cè)試中,在多項(xiàng)病灶定位指標(biāo)上優(yōu)于現(xiàn)有方法,并在多個(gè)病種中達(dá)到了甚至超越人類專家的水平。在眼底影像和病理圖像任務(wù)中,AFLoc同樣展現(xiàn)出穩(wěn)定的病灶定位能力,定位精度優(yōu)于當(dāng)前主流模型。
除病灶定位外,AFLoc還展現(xiàn)出強(qiáng)大的疾病診斷能力。在胸部X光、眼底和組織病理圖像的零樣本分類任務(wù)中,其整體表現(xiàn)均優(yōu)于現(xiàn)有方法。尤其在眼底視網(wǎng)膜病變?cè)\斷中,AFLoc的零樣本分類性能甚至超越了部分依賴人工標(biāo)注數(shù)據(jù)微調(diào)的模型。
“這一模型有效規(guī)避了傳統(tǒng)深度學(xué)習(xí)方法對(duì)大規(guī)模人工標(biāo)注數(shù)據(jù)的依賴,顯著提升了醫(yī)學(xué)影像數(shù)據(jù)的利用效率與模型的泛化能力,為臨床影像AI從‘依賴手工標(biāo)注’邁向‘自監(jiān)督學(xué)習(xí)’提供了可行路徑,也為構(gòu)建更智能、更具通用性的醫(yī)學(xué)人工智能系統(tǒng)提供了新的技術(shù)范式。”王珊珊研究員表示。
未來,研究團(tuán)隊(duì)還將進(jìn)一步推動(dòng)AFLoc在多中心真實(shí)臨床場(chǎng)景中的驗(yàn)證與應(yīng)用,加速其向臨床輔助診斷系統(tǒng)的轉(zhuǎn)化落地。
論文鏈接:https://www.nature.com/articles/s41551-025-01574-7

文章上線截圖

王珊珊(左五)團(tuán)隊(duì)。研究團(tuán)隊(duì)供圖

AFLoc 模型自動(dòng)定位的病灶區(qū)域。研究團(tuán)隊(duì)供圖
附件下載: