在醫(yī)院里，一張醫(yī)學(xué)影像往往隱藏著大量關(guān)鍵信息。但要讓AI 看懂這些影像，過去離不開醫(yī)生手動“圈出”的病灶作為訓(xùn)練數(shù)據(jù)——這不僅耗費(fèi)大量時(shí)間和精力，也成為醫(yī)學(xué)影像 AI 難以大規(guī)模推廣的重要原因。

有沒有可能，讓AI 不再依賴人工標(biāo)注 ，也能自己學(xué)會“哪里可能有病灶”？

2026年 1月6日 ，中國科學(xué)院深圳先進(jìn)技術(shù)研究院 醫(yī)學(xué)成像科學(xué)與技術(shù)系統(tǒng)全國重點(diǎn)實(shí)驗(yàn)室 研究員王珊珊團(tuán)隊(duì)聯(lián)合清華大學(xué) 助理教授周洪宇、 澳門科技大學(xué) 教授張康等 合作者在Nature Biomedical Engineering上發(fā)表了文章A multimodal vision–language model for generalizable annotation-free pathology localization。研究團(tuán)隊(duì)提出了一種名為AFLoc的人工智能模型，這一模型最大的特點(diǎn)是：不需要醫(yī)生提前標(biāo)注病灶，就能自動在醫(yī)學(xué)影像中“找病灶” 。

傳統(tǒng)的醫(yī)學(xué)影像 A I模型的學(xué)習(xí)方式，就像學(xué)生做題必須先有標(biāo)準(zhǔn)答案，而AFLoc模型則更像是在“看圖讀報(bào)告”的過程中，自己學(xué)會理解影像含義。

研究人員介紹， “我們讓AFLoc 模型同時(shí)學(xué)習(xí)兩類信息，一類是醫(yī)學(xué)影像本身，比如胸片、眼底照片或病理切片，另一類是醫(yī)生撰寫的臨床報(bào)告。通過反復(fù)‘對照學(xué)習(xí)’，AFLoc模型會逐漸明白： 臨床 報(bào)告中提到的疾病描述，對應(yīng)影像中的哪些區(qū)域。 久而久之，即使沒有人工標(biāo)注，它也能在影像中準(zhǔn)確標(biāo)出最可能的病灶位置?！?/p>

研究團(tuán)隊(duì)在 胸部X光、眼底影像和組織病理圖像 三種典型醫(yī)學(xué)影像模態(tài)上對AFLoc進(jìn)行了系統(tǒng)驗(yàn)證，結(jié)果顯示模型均表現(xiàn)出優(yōu)異性能。

在胸片實(shí)驗(yàn)中，AFLoc在覆蓋肺炎、胸腔積液、氣胸等 34種常見胸部疾病 、涉及 8個(gè)主流公開數(shù)據(jù)集 的測試中，在多項(xiàng)病灶定位指標(biāo)上優(yōu)于現(xiàn)有方法，并在多個(gè)病種中達(dá)到了甚至超越人類專家的水平。在眼底影像和病理圖像任務(wù)中，AFLoc同樣展現(xiàn)出穩(wěn)定的病灶定位能力，定位精度優(yōu)于當(dāng)前主流模型。

除病灶定位外，AFLoc還展現(xiàn)出 強(qiáng)大的疾病診斷能力 。在胸部X光、眼底和組織病理圖像的 零樣本分類任務(wù) 中，其整體表現(xiàn)均優(yōu)于現(xiàn)有方法。尤其在眼底視網(wǎng)膜病變診斷中，AFLoc的零樣本分類性能甚至超越了部分依賴人工標(biāo)注數(shù)據(jù)微調(diào)的模型。

AFLoc 模型 自動定位的 病灶區(qū)域。研究團(tuán)隊(duì)供圖

“這一模型有效規(guī)避了傳統(tǒng)深度學(xué)習(xí)方法對大規(guī)模人工標(biāo)注數(shù)據(jù)的依賴，顯著提升了醫(yī)學(xué)影像數(shù)據(jù)的利用效率與模型的泛化能力，為臨床影像AI從‘ 依賴手工標(biāo)注 ’邁向‘ 自監(jiān)督學(xué)習(xí) ’提供了可行路徑，也為構(gòu)建更智能、更具通用性的醫(yī)學(xué)人工智能系統(tǒng)提供了新的技術(shù)范式。”王珊珊研究員表示。

未來，研究團(tuán)隊(duì)還將進(jìn)一步推動AFLoc在多中心真實(shí)臨床場景中的驗(yàn)證與應(yīng)用，加速其向臨床輔助診斷系統(tǒng)的轉(zhuǎn)化落地。

王珊珊研究員、澳門科技大學(xué)醫(yī)學(xué)人工智能研究所教授張康為共同通訊作者；深圳先進(jìn)院醫(yī)工所影像中心博士生楊浩、清華大學(xué)助理教授周洪宇為共同第一作 者 ；深圳先進(jìn)院為第一完成及最后通訊單位 。 研究工作同時(shí)得到了鄭海榮院士的指導(dǎo)與支持。

論文鏈接：https://www.nature.com/articles/s41551-025-01574-7

制版人： 十一

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點(diǎn)擊主頁推薦活動

關(guān)注更多最新活動！