撰文丨王聰

編輯丨王多魚

排版丨水成文

用于從臨床影像數(shù)據(jù)中定義病理學(xué)的現(xiàn)有深度學(xué)習(xí)模型依賴于專家注釋，且在開放臨床環(huán)境中缺乏泛化能力。

2026 年 1 月 6 日，中國科學(xué)院深圳先進技術(shù)研究院醫(yī)學(xué)成像科學(xué)與技術(shù)系統(tǒng)全國重點實驗室王珊珊研究員團隊與澳門科技大學(xué)/溫州醫(yī)科大學(xué)張康教授團隊合作（中國科學(xué)院深圳先進技術(shù)研究院博士生楊浩、清華大學(xué)助理教授周洪宇為共同第一作者），在 Nature 子刊Nature Biomedical Engineering上發(fā)表了題為：A multimodal vision–language model for generalizable annotation-free pathology localization 的研究論文。

研究團隊提出了一種通用視覺-語言模型——AFLoc（Annotation-Free pathology Localization），其最大特點在于，無需醫(yī)生提前標注病灶，即可自動在醫(yī)學(xué)影像中“找病灶”，實現(xiàn)病例定位，且該模型具有強大的泛化能力，在五種不同類型病理圖像的定位任務(wù)中甚至超越了人類基準。

在這項最新研究中，研究團隊提出了一種通用視覺-語言模型——AFLoc（Annotation-Free pathology Localization），用于實現(xiàn)無需標注的病理定位。

AFLoc 的核心優(yōu)勢在于基于多層次語義結(jié)構(gòu)的對比學(xué)習(xí)，該方法將多粒度醫(yī)學(xué)概念與豐富的圖像特征進行全面對齊，從而在不依賴專家圖像標注的情況下適應(yīng)病理的多樣化表現(xiàn)形式。

研究團隊在包含 22 萬對影像-報告的胸部 X 射線數(shù)據(jù)集上進行了初步實驗，并在涵蓋 34 種胸部病理的 8 個外部數(shù)據(jù)集上進行了驗證。結(jié)果表明，AFLoc 在無需標注的定位和分類任務(wù)中均優(yōu)于當(dāng)前最先進方法。

此外，研究團隊還評估了 AFLoc 在其他模態(tài)圖像上的泛化能力，包括組織病理學(xué)和視網(wǎng)膜眼底圖像。研究顯示，AFLoc 展現(xiàn)出強大的泛化能力，在五種不同類型病理圖像的定位任務(wù)中甚至超越了人類基準。

這些成果凸顯了 AFLoc 在降低標注需求以及適應(yīng)復(fù)雜臨床環(huán)境應(yīng)用方面的潛力。

論文鏈接：

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