12 月 17 日消息，人工智能(AI)日趨一日地在醫(yī)療領(lǐng)域變得越來越重要，尤其是在醫(yī)學影像分析方面。醫(yī)生們可以通過 AI 更快更準地診斷疾病，制定治療方案。而要讓 AI 更聰明，就需要大量高質(zhì)量的醫(yī)學影像數(shù)據(jù)來“喂養(yǎng)”它，也就是進行訓練。

　　然而，由于患者隱私保護、高昂的數(shù)據(jù)標注成本等多種因素，要獲得高質(zhì)量、多樣化的醫(yī)學影像數(shù)據(jù)往往存在障礙。為此，近年來，研究者們開始探索使用生成式 AI 技術(shù)合成醫(yī)學影像數(shù)據(jù)，以此來擴充數(shù)據(jù)。

　　為了解決這個問題，北京大學與溫州醫(yī)科大學的研究團隊建立一種生成式多模態(tài)跨器官醫(yī)學影像基礎(chǔ)模型(MINIM)，可基于文本指令以及多器官的多種成像方式，合成海量的高質(zhì)量醫(yī)學影像數(shù)據(jù)，為醫(yī)學影像大模型的訓練、精準醫(yī)療及個性化診療等提供有力技術(shù)支持。

　　該成果已于 12 月 11 日發(fā)表在國際權(quán)威期刊《自然?醫(yī)學》上(附 DOI:10.1038 / s41591-024-03359-y)。

　　簡單來說，MINIM 就像一個“圖像生成器”，它可以通過 AI 技術(shù)，根據(jù)文字描述，自動合成出海量的醫(yī)學影像數(shù)據(jù)，包括 CT、X 光、磁共振等等，涵蓋了各種器官。

　　北京大學未來技術(shù)學院助理研究員王勁卓介紹說，“目前公開的醫(yī)學影像數(shù)據(jù)非常有限，我們建立的生成式模型有望解決訓練數(shù)據(jù)不夠的問題。”

　　這些合成的影像數(shù)據(jù)有多逼真呢?研究團隊利用多種器官在 CT、X 光、磁共振等不同成像方式下的高質(zhì)量影像文本配對數(shù)據(jù)進行訓練，最終生成海量的醫(yī)學合成影像，其在圖像特征、細節(jié)呈現(xiàn)等多方面都與真實醫(yī)學圖像高度一致。

　　實驗結(jié)果表明，使用 MINIM 生成的合成數(shù)據(jù)，在醫(yī)生主觀評價和客觀檢測標準上都達到了國際領(lǐng)先水平。在真實數(shù)據(jù)的基礎(chǔ)上，使用 20 倍合成數(shù)據(jù)在眼科、胸科、腦科和乳腺科的多個醫(yī)學任務(wù)準確率平均可提升 12% 至 17%。

　　王勁卓還表示，MINIM 生成的合成數(shù)據(jù)應(yīng)用前景廣闊，既可以單獨用來訓練醫(yī)學影像大模型，也可以和真實數(shù)據(jù)混合使用，從而提高模型在實際應(yīng)用中的性能，推動 AI 在醫(yī)學和健康領(lǐng)域更廣泛的應(yīng)用。

　　目前，在疾病診斷、醫(yī)學報告生成和自監(jiān)督學習等關(guān)鍵領(lǐng)域，利用 MINIM 合成數(shù)據(jù)進行訓練已展現(xiàn)出顯著的性能提升。