- 定做培养基/定制培养基
- 颗粒培养基
- 标准菌株生化鉴定试剂盒
- 预灌装即用型成品培养基
- 2025年版中国药典
- 促销/特价商品
- 院感/疾控/体外诊断/采样管
- 样品采集与处理(均质)产品
- 按标准检索培养基
- 模拟灌装用培养基
- 干燥粉末培养基
- 培养基添加剂/补充剂
- 生化反应鉴定管
- 染色液等配套产品
- 对照培养基/标准品
- 实验耗材与器具
- 生化试剂/化学试剂
- 菌种鉴定服务
行业动态
您现在的位置: 网站首页 >> 行业动态
新型AI医疗诊断系统让胸片检查更精准
[所属分类:行业动态] [发布时间:2025-12-31] [发布人:杨晓燕] [阅读次数:] [返回]
新型AI医疗诊断系统让胸片检查更精准
作者:王敏 来源:中国科学报
山东拓普生物工程有限公司 http://www.topbiol.com
中国科学院合肥物质科学研究院研究员李海团队开发了一种新型AI医疗诊断系统MultiXpert。该系统能够在“零样本”条件下对胸片进行智能诊断,意味着它无需任何标注数据,就能识别出甚至从未见过的疾病,从而使AI具备更接近医生诊断思维的能力。11月6日,相关研究成果发表于《信息处理与管理》。
胸片是临床最常用的影像学检查手段之一,用于肺炎、结节、气胸等多种疾病的筛查,但人工判读耗时且依赖专家经验。传统AI系统虽然在一些任务上能媲美专家,却又严重依赖大量人工标注的数据,难以应对新发疾病或不同医院之间的数据差异,导致模型泛化能力有限,无法满足复杂临床环境下的精准诊断的需求。
为应对这一挑战,李海团队提出了多模态双流协同增强的新思路,构建了一个无需额外标注数据即可实现“零样本”高精度诊断的胸片智能分析框架MultiXpert。该模型能够同时处理图像与文字信息,并利用大语言模型和放射科专家知识优化病灶描述,实现图像与语言的深度融合,让AI在未见疾病中也能“看懂”胸片,从而更加趋近于医生的思考逻辑。
实验结果显示,MultiXpert在4个单标签公共数据集上平均AUC(评估模型的一个指标)提升达7.5%,在零样本场景下较主流视觉语言模型平均提升3.9%。在来自十家医院的多中心私有数据上,MultiXpert相较于传统的单中心监督学习模型(如EfficientNet、ConvNeXt和ViT)提升13.9%至22.6%,充分证明了其优异的跨中心泛化性能与临床可迁移性。
该项研究为胸片“零样本”智能诊断提供了新的技术路径,也为医学AI从“依赖标注”迈向“自主理解”提供了新范式,标志着医疗AI在零样本学习领域的新突破。
李海团队长期聚焦于AI+医学影像研究,致力于推进智慧医疗的技术创新和临床转化。未来,团队将进一步拓展该模型在多病种、多模态影像中的应用,推动其在临床场景中的落地转化,助力构建更加智能、精准、可解释的医学影像分析体系。
相关论文信息:https://doi.org/10.1016/j.ipm.2025.104468
(本文内容来源于网络,版权归原作者所有,如有侵权可后台联系删除。)
作者:王敏 来源:中国科学报
山东拓普生物工程有限公司 http://www.topbiol.com
中国科学院合肥物质科学研究院研究员李海团队开发了一种新型AI医疗诊断系统MultiXpert。该系统能够在“零样本”条件下对胸片进行智能诊断,意味着它无需任何标注数据,就能识别出甚至从未见过的疾病,从而使AI具备更接近医生诊断思维的能力。11月6日,相关研究成果发表于《信息处理与管理》。
胸片是临床最常用的影像学检查手段之一,用于肺炎、结节、气胸等多种疾病的筛查,但人工判读耗时且依赖专家经验。传统AI系统虽然在一些任务上能媲美专家,却又严重依赖大量人工标注的数据,难以应对新发疾病或不同医院之间的数据差异,导致模型泛化能力有限,无法满足复杂临床环境下的精准诊断的需求。
为应对这一挑战,李海团队提出了多模态双流协同增强的新思路,构建了一个无需额外标注数据即可实现“零样本”高精度诊断的胸片智能分析框架MultiXpert。该模型能够同时处理图像与文字信息,并利用大语言模型和放射科专家知识优化病灶描述,实现图像与语言的深度融合,让AI在未见疾病中也能“看懂”胸片,从而更加趋近于医生的思考逻辑。
实验结果显示,MultiXpert在4个单标签公共数据集上平均AUC(评估模型的一个指标)提升达7.5%,在零样本场景下较主流视觉语言模型平均提升3.9%。在来自十家医院的多中心私有数据上,MultiXpert相较于传统的单中心监督学习模型(如EfficientNet、ConvNeXt和ViT)提升13.9%至22.6%,充分证明了其优异的跨中心泛化性能与临床可迁移性。
该项研究为胸片“零样本”智能诊断提供了新的技术路径,也为医学AI从“依赖标注”迈向“自主理解”提供了新范式,标志着医疗AI在零样本学习领域的新突破。
李海团队长期聚焦于AI+医学影像研究,致力于推进智慧医疗的技术创新和临床转化。未来,团队将进一步拓展该模型在多病种、多模态影像中的应用,推动其在临床场景中的落地转化,助力构建更加智能、精准、可解释的医学影像分析体系。
相关论文信息:https://doi.org/10.1016/j.ipm.2025.104468
(本文内容来源于网络,版权归原作者所有,如有侵权可后台联系删除。)



