我国科学家建立生成式模型为医学AI训练提供技术支持

我国科学家建立生成式模型，为医学 AI 训练注入强大技术动力 在医学人工智能领域飞速发展的当下，对高质量医学影像数据的需求极为迫切。2024 年 12 月 17 日 17 时 52 分，澎湃新闻发布一则重磅消息：北京大学与温州医科大学的研究团队取得了重大突破。 一直以来，医学影像数据的获取和处理面临诸多挑战。一方面，获取大量不同类型、覆盖多器官的高质量医学影像数据成本高昂，且受限于患者个体差异、设备条件等因素，数据的多样性和完整性难以保证。另一方面，现有的医学影像数据处理技术在合成多模态、跨器官影像数据时，往往存在精度不足、与实际情况契合度低等问题，这极大地制约了医学影像大模型的训练效果，进而影响了精准医疗及个性化诊疗的发展。 正是在这样的背景下，北京大学未来技术学院传来捷报。研究团队成功建立了一种生成式多模态跨器官医学影像基础模型，即 MINIM。该模型的独特之处在于，它能够依据文本指令，同时结合多器官的多种成像方式，合成海量的高质量医学影像数据。 从技术原理来看，MINIM 创新性地融合了先进的深度学习算法和多模态数据处理技术。它通过对大量已有的医学影像数据进行深度挖掘和学习，构建起了一个庞大而精准的影像特征库。当接收到文本指令时，模型能够迅速从特征库中提取相关信息，并根据不同器官的成像特点，运用独特的算法进行数据合成。例如，在面对心脏、肝脏等不同器官的医学影像合成需求时，MINIM 能够准确把握各器官的形态、结构和功能特征，生成与真实影像高度相似的数据。 这一成果的意义非凡。在医学影像大模型的训练方面，以往由于数据的局限性，模型的泛化能力和准确性受到很大影响。而 MINIM 提供的海量高质量数据，能够让模型学习到更丰富的影像特征，从而显著提升模型的性能。在精准医疗领域，医生可以借助 MINIM 生成的影像数据，更全面、准确地了解患者的病情，制定出更具针对性的治疗方案。对于个性化诊疗而言，MINIM 能够根据患者的个体特征，生成个性化的医学影像数据，为实现精准的个性化治疗提供了有力支持。 值得一提的是，该成果已在国际权威期刊《自然・医学》上在线发表。这不仅是对研究团队辛勤努力和卓越智慧的高度认可，也标志着我国在医学人工智能领域的研究达到了国际领先水平，为全球医学 AI 的发展做出了重要贡献。相信在 MINIM 的技术支持下，医学 AI 将迎来更加蓬勃的发展，为人类健康事业带来更多福祉。