我國科學家建立生成式模型，為醫(yī)學 AI 訓練注入強大技術動力 在醫(yī)學人工智能領域飛速發(fā)展的當下，對高質量醫(yī)學影像數據的需求極為迫切。2024 年 12 月 17 日 17 時 52 分，澎湃新聞發(fā)布一則重磅消息：北京大學與溫州醫(yī)科大學的研究團隊取得了重大突破。 一直以來，醫(yī)學影像數據的獲取和處理面臨諸多挑戰(zhàn)。一方面，獲取大量不同類型、覆蓋多器官的高質量醫(yī)學影像數據成本高昂，且受限于患者個體差異、設備條件等因素，數據的多樣性和完整性難以保證。另一方面，現有的醫(yī)學影像數據處理技術在合成多模態(tài)、跨器官影像數據時，往往存在精度不足、與實際情況契合度低等問題，這極大地制約了醫(yī)學影像大模型的訓練效果，進而影響了精準醫(yī)療及個性化診療的發(fā)展。 正是在這樣的背景下，北京大學未來技術學院傳來捷報。研究團隊成功建立了一種生成式多模態(tài)跨器官醫(yī)學影像基礎模型，即 MINIM。該模型的獨特之處在于，它能夠依據文本指令，同時結合多器官的多種成像方式，合成海量的高質量醫(yī)學影像數據。 從技術原理來看，MINIM 創(chuàng)新性地融合了先進的深度學習算法和多模態(tài)數據處理技術。它通過對大量已有的醫(yī)學影像數據進行深度挖掘和學習，構建起了一個龐大而精準的影像特征庫。當接收到文本指令時，模型能夠迅速從特征庫中提取相關信息，并根據不同器官的成像特點，運用獨特的算法進行數據合成。例如，在面對心臟、肝臟等不同器官的醫(yī)學影像合成需求時，MINIM 能夠準確把握各器官的形態(tài)、結構和功能特征，生成與真實影像高度相似的數據。 這一成果的意義非凡。在醫(yī)學影像大模型的訓練方面，以往由于數據的局限性，模型的泛化能力和準確性受到很大影響。而 MINIM 提供的海量高質量數據，能夠讓模型學習到更豐富的影像特征，從而顯著提升模型的性能。在精準醫(yī)療領域，醫(yī)生可以借助 MINIM 生成的影像數據，更全面、準確地了解患者的病情，制定出更具針對性的治療方案。對于個性化診療而言，MINIM 能夠根據患者的個體特征，生成個性化的醫(yī)學影像數據，為實現精準的個性化治療提供了有力支持。 值得一提的是，該成果已在國際權威期刊《自然?醫(yī)學》上在線發(fā)表。這不僅是對研究團隊辛勤努力和卓越智慧的高度認可，也標志著我國在醫(yī)學人工智能領域的研究達到了國際領先水平，為全球醫(yī)學 AI 的發(fā)展做出了重要貢獻。相信在 MINIM 的技術支持下，醫(yī)學 AI 將迎來更加蓬勃的發(fā)展，為人類健康事業(yè)帶來更多福祉。