随着人工智能技术的飞速发展，AI在医疗行业的应用加速推进。目前，人工智能算法的性能依赖于如何“喂”足高质量“数据养料”，由于患者隐私保护以及高质量医疗数据的匮乏，极大地限制了人工智能在医疗领域的广泛应用。

12月11日，瓯江实验室瞿佳团队联合温州医科大学、北京大学未来技术学院科研人员在Nature Medicine杂志发表了题为Self-improving generativefoundation model for syntheticmedicalimage generation andclinical applications的研究成果，研发了全球首个通用大型生成式医学影像模型。

研发团队引入了一种统一的医学图像-文本生成模型，称为MINIM，它能够根据文本指令合成各种成像方式的各种器官的医学图像。MINIM不仅有效解决了患者隐私保护问题，还克服了高昂的数据标注成本等医学大模型训练中的关键瓶颈。MINIM是一个跨器官、多模态的生成式医学影像模型，在眼科，对于一些临床表现复杂、诊断困难的疾病，诊断模型依托高质量数据进行诊断、评估和科研等均显示出卓越的效果。

研究结果显示，MINIM生成的合成数据在医生主观评测和多项客观检验指标上均达到国际领先水平，已在肺部计算机断层扫描(CT)影像的上皮生长因子（EGF）细胞增殖和信号传导的受体（EGFR）突变预测及生存分析、乳腺核磁共振成像(MRI)影像的人表皮生长因子受体-2（HER2）突变阳性预测等场景中验证了其临床应用价值。MINIM具有卓越的泛化能力，能够扩展至其他器官和成像模态的数据生成领域，还引入了自我优化机制，模型能够根据医生评分不断提升生成能力。

该研究为医学影像数据的合成与应用开辟了新方向，也为精准医疗的推进及个性化治疗的探索提供了强有力的技术支撑。

原文链接

https://www.nature.com/articles/s41591-024-03359-y

来源：温州医科大学

编辑：韩永辉

排版：薛任远

审核：凌树宽

原文地址：http://ojlab.cn/keyanjinzhan/689.html