新AI模型可在医学影像中自动识别病灶

      中国科学院深圳先进技术研究院联合清华大学、澳门科技大学，提出名为AFLoc的人工智能模型，不需要医生提前标注病灶，就能自动在医学影像中“找病灶”。

      AFLoc 模型可同时学习两类信息，一类是医学影像本身，比如胸片、眼底照片或病理切片，另一类是医生撰写的临床报告。通过反复对照学习，AFLoc模型会逐渐明白：临床报告中提到的疾病描述，对应影像中的哪些区域。久而久之，即使没有人工标注，也能在影像中准确标出最可能的病灶位置。

      研究在胸部X光、眼底影像和组织病理图像三种典型医学影像模态上对AFLoc进行了系统验证，结果显示模型均表现出优异性能。

      在胸片实验中，AFLoc在覆盖肺炎、胸腔积液、气胸等34种常见胸部疾病、涉及8个主流公开数据集的测试中，在多项病灶定位指标上优于现有方法，并在多个病种中达到甚至超越专家水平。在眼底影像和病理图像任务中，AFLoc同样展现出稳定病灶定位能力，精度优于当前主流模型。

      除病灶定位外，AFLoc还展现出强大的疾病诊断能力。在胸部X光、眼底和组织病理图像的零样本分类任务中，其整体表现均优于现有方法。尤其在眼底视网膜病变诊断中，AFLoc的零样本分类性能甚至超越部分依赖人工标注数据微调的模型。

      该模型有效规避了传统深度学习方法对大规模人工标注数据的依赖，提升了医学影像数据的利用效率与模型的泛化能力，为临床影像AI从“依赖手工标注”迈向“自监督学习”提供了可行路径，也为构建更智能、更具通用性的医学人工智能系统提供了新技术范式。（信息来源：中国科学院深圳先进技术研究院）