著名ＡＩ科技公司ＤｅｅｐＭｉｎｄ　首席執(zhí)行官　Ｄｅｍｉｓ　Ｈａｓｓａｂｉｓ這樣評價(jià)這個(gè)時(shí)代：＂我們正處于幾乎可以用?。粒伞≈斡屑膊〉纳涑谭秶鷥?nèi)。＂２０２４年，ＡＩ在醫(yī)療領(lǐng)域持續(xù)發(fā)力，不斷打破學(xué)術(shù)壁壘與臨床限制，為疾病診療、醫(yī)學(xué)影像分析等方面提供了革命性解決方案。國外研究團(tuán)隊(duì)的多項(xiàng)突破，進(jìn)一步推動(dòng)了醫(yī)療行業(yè)的全球化協(xié)同創(chuàng)新。

一、牛津大學(xué)：引領(lǐng)醫(yī)學(xué)圖像分割新紀(jì)元

醫(yī)學(xué)圖像分割是將醫(yī)學(xué)圖像中的關(guān)鍵區(qū)域或結(jié)構(gòu)準(zhǔn)確提取，以支持臨床診斷和病理研究。然而，這一領(lǐng)域長期面臨數(shù)據(jù)異構(gòu)性和模型泛化能力不足的挑戰(zhàn)。為解決這些問題，牛津大學(xué)團(tuán)隊(duì)專注于醫(yī)學(xué)圖像分割技術(shù)的創(chuàng)新，特別是在三維醫(yī)學(xué)圖像處理和單次提示分割能力上不斷突破。他們基于Ｍｅｔａ公司開發(fā)的Ｓｅｇｍｅｎｔ?。粒睿簦瑁椋睿纭。停铮洌澹臁。玻ǎ樱粒汀。玻┛蚣埽瞥隽耍停澹洌椋悖幔臁。樱粒汀。玻ǎ停澹洌樱粒停玻?，為醫(yī)學(xué)圖像分割技術(shù)開辟了全新路徑。

根據(jù)研究團(tuán)隊(duì)發(fā)表于預(yù)印本平臺(tái)ａｒＸｉｖ上的論文《Ｍｅｄｉｃａｌ?。樱粒汀。玻骸。樱澹纾恚澹睿簟。恚澹洌椋悖幔臁。椋恚幔纾澹蟆。幔蟆。觯椋洌澹铩。觯椋帷。樱澹纾恚澹睿簟。粒睿簦瑁椋睿纭。停铮洌澹臁。病匪觯浜诵膭?chuàng)新有三點(diǎn)：首先，將醫(yī)學(xué)圖像作為視頻的處理，通過將三維醫(yī)學(xué)圖像視為具有時(shí)間關(guān)聯(lián)的視頻數(shù)據(jù)，從而優(yōu)化了對３Ｄ圖像分割的處理流程。其次，優(yōu)化了單次提示分割能力，用戶只需為一種新目標(biāo)提供單個(gè)提示，模型即可自動(dòng)分割后續(xù)圖像中同類對象，顯著減少了對人工提示的依賴。最后，強(qiáng)化了多模態(tài)與高泛化能力，團(tuán)隊(duì)利用豐富的數(shù)據(jù)集驗(yàn)證了ＭｅｄＳＡＭ－２的適應(yīng)性，包括針對腹部多器官分割的ＢＴＣＶ?jǐn)?shù)據(jù)集和用于腦腫瘤、甲狀腺結(jié)節(jié)等分割任務(wù)的多模態(tài)數(shù)據(jù)集?！荆薄?/p>

實(shí)驗(yàn)結(jié)果顯示，ＭｅｄＳＡＭ－２在多器官分割任務(wù)中的Ｄｉｃｅ評分（常用的衡量圖像分割準(zhǔn)確性的指標(biāo)，值越接近１００％說明分割結(jié)果與真實(shí)標(biāo)注越接近）達(dá)到８８．５７％，顯著領(lǐng)先于傳統(tǒng)模型。無論是三維成像的時(shí)間關(guān)聯(lián)處理，還是二維成像的單次提示，ＭｅｄＳＡＭ－２都在模型泛化性和操作便捷性上超越了前代技術(shù)。

目前，ＭｅｄＳＡＭ－２已在醫(yī)學(xué)影像分析和手術(shù)規(guī)劃領(lǐng)域初步實(shí)現(xiàn)了落地應(yīng)用。在癌癥影像診斷中，ＭｅｄＳＡＭ－２可快速分割腫瘤邊界，為臨床醫(yī)生提供更精準(zhǔn)的病灶信息。在個(gè)性化手術(shù)方案設(shè)計(jì)時(shí)，通過對患者器官和組織的精細(xì)分割，該模型支持外科醫(yī)生制定個(gè)性化手術(shù)規(guī)劃。在器官移植和病理研究中，ＭｅｄＳＡＭ－２的高精度分割能力能夠顯著提升術(shù)前評估與診斷的效率。

此外，ＭｅｄＳＡＭ－２還展示出在甲狀腺結(jié)節(jié)檢測、腦腫瘤分析及皮膚病變分割等多個(gè)細(xì)分領(lǐng)域的潛在應(yīng)用價(jià)值，尤其適用于需要處理海量多模態(tài)醫(yī)學(xué)圖像的復(fù)雜場景。作為一項(xiàng)技術(shù)革命，ＭｅｄＳＡＭ－２不僅優(yōu)化了醫(yī)學(xué)圖像分割的效率與精度，還為解決醫(yī)學(xué)圖像分析中的數(shù)據(jù)異構(gòu)性提供了新思路。

二、谷歌ＡＩ團(tuán)隊(duì)：醫(yī)學(xué)ＡＩ工具公平性評估框架

面對基于機(jī)器學(xué)習(xí)的醫(yī)療工具是否能夠?qū)崿F(xiàn)公平性的難題，谷歌ＡＩ團(tuán)隊(duì)提出了創(chuàng)新性的健康公平評估框架（ＨＥＡＬ）。該框架的核心目標(biāo)是確保ＡＩ技術(shù)優(yōu)關(guān)注那些健康狀況較差的群體，以減少因結(jié)構(gòu)性不平等（如社會(huì)、經(jīng)濟(jì)和種族差異）導(dǎo)致的健康結(jié)果差異。

根據(jù)谷歌發(fā)布于官網(wǎng)的報(bào)告《ＨＥＡＬ：?。痢。妫颍幔恚澹鳎铮颍搿。妫铮颉。瑁澹幔欤簦琛。澹瘢酰椋簦。幔螅螅澹螅螅恚澹睿簟。铮妗。恚幔悖瑁椋睿濉。欤澹幔颍睿椋睿纭。穑澹颍妫铮颍恚幔睿悖濉?，ＨＥＡＬ框架包含四個(gè)關(guān)鍵步驟：首先通過選取種族、性別、年齡等可能影響健康公平的因素，明確ＡＩ工具的評估標(biāo)準(zhǔn)，識(shí)別與健康不公平相關(guān)的因素并定義工具性能指標(biāo)

隨后利用失能調(diào)整生命年（ＤＡＬＹｓ）和生命損失年數(shù)（ＹＬＬｓ）等指標(biāo)，描述不同群體的健康差異，量化現(xiàn)有的健康差異。再測量工具在各子群體中的表現(xiàn)，比較ＡＩ工具在不同群體的預(yù)測準(zhǔn)確性。最后評估工具在健康差異中的優(yōu)先級，通過計(jì)算ＨＥＡＬ指標(biāo)，衡量ＡＩ工具在健康公平性方面的表現(xiàn)。ＨＥＡＬ指標(biāo)反映了模型性能與健康差異之間的反相關(guān)性，即工具是否優(yōu)先提升了健康狀況較差群體的診療效果?！荆病?/p>

谷歌團(tuán)隊(duì)將ＨＥＡＬ框架應(yīng)用于皮膚科ＡＩ模型的評估，研究其在不同種族、性別和年齡群體中的表現(xiàn)。該模型基于約２９，０００個(gè)病例的數(shù)據(jù)，旨在預(yù)測２８８種皮膚病，通過分析患者皮膚照片及相關(guān)信息，生成可能的診斷列表。研究團(tuán)隊(duì)使用約５，４２０個(gè)病例的數(shù)據(jù)集對模型進(jìn)行評估，其中包含多樣化的年齡、性別和種族或族裔信息。

作為評估健康公平性的工具，ＨＥＡＬ框架可為醫(yī)療監(jiān)管機(jī)構(gòu)提供科學(xué)依據(jù)，幫助制定有針對性的政策，促進(jìn)健康資源的合理分配。ＨＥＡＬ框架還可用于部署后的ＡＩ醫(yī)療工具監(jiān)測，建立健康公平性儀表盤，確保模型在實(shí)際應(yīng)用中持續(xù)優(yōu)化。盡管當(dāng)前框架主要聚焦醫(yī)療領(lǐng)域，其理念和方法可以推廣至教育、就業(yè)等其他社會(huì)領(lǐng)域，為解決不平等問題提供新的視角。

三、谷歌　ＡＩ　團(tuán)隊(duì)：ＡＩ輔助肺癌篩查的工作流程

２０２４年２月，國家癌癥中心發(fā)布的《２０２２年中國癌癥發(fā)病率和死亡率》報(bào)告指出，肺癌仍是我國惡性腫瘤發(fā)病和死亡的首要原因?！荆场勘M管診療技術(shù)不斷進(jìn)步，但診斷延誤與過度治療等問題依然突出。

針對篩查癌癥方面的困難，谷歌　ＡＩ　團(tuán)隊(duì)聯(lián)合美國和日本的研究機(jī)構(gòu)評估ＡＩ技術(shù)如何與現(xiàn)有篩查工作流程深度融合，并探索其在不同國家特定指南和評分管理協(xié)議下的有效性。研究團(tuán)隊(duì)通過對６２７例低劑量胸部ＣＴ病例（包括１４１例癌癥陽性病例）的分析，涵蓋了多種結(jié)節(jié)類型，如實(shí)性結(jié)節(jié)、部分實(shí)性結(jié)節(jié)和非實(shí)性結(jié)節(jié)，為優(yōu)化ＡＩ篩查流程提供了充足的數(shù)據(jù)支持。

根據(jù)團(tuán)隊(duì)聯(lián)合發(fā)表于《Ｒａｄｉｏｌｏｇｙ?。粒伞菲诳系奈恼隆叮粒螅螅椋螅簦椋觯濉。粒伞。椋睢。蹋酰睿纭。茫幔睿悖澹颉。樱悖颍澹澹睿椋睿纾骸。痢。遥澹簦颍铮螅穑澹悖簦椋觯濉。停酰欤簦椋睿幔簦椋铮睿幔臁。樱簦酰洌。椋睢。簦瑁濉。眨睿椋簦澹洹。樱簦幔簦澹蟆。幔睿洹。剩幔穑幔睢房偨Y(jié)的研究進(jìn)展，人工智能輔助篩查在美國和日本兩地的特異性分別提高了５．５％和６．７％，而敏感性未顯著下降。在ＬｏＳ（懷疑程度評分）和ＡＵＣ（接收器操作特性曲線面積）的綜合評估中，ＡＩ輔助篩查的表現(xiàn)顯著優(yōu)于傳統(tǒng)方法。尤其是在癌癥陽性病例中，ＡＩ系統(tǒng)標(biāo)記了美國８９％和日本７５％的重點(diǎn)結(jié)節(jié)，顯著提升了醫(yī)生的診斷效率?！荆础?/p>

研究發(fā)現(xiàn)，有ＡＩ輔助的情況下，平均每位病例篩查時(shí)間減少了１４秒。這不僅提高了醫(yī)生的工作效率，還增強(qiáng)了他們的診斷信心。此外，ＡＩ系統(tǒng)能準(zhǔn)確標(biāo)記大多數(shù)癌癥相關(guān)的結(jié)節(jié)區(qū)域，為放射科醫(yī)生提供更有針對性的判斷依據(jù)，減少了不必要的隨訪和活檢建議。

這項(xiàng)研究驗(yàn)證了人工智能在復(fù)雜篩查流程中的實(shí)際效用，ＡＩ輔助篩查能夠減少不必要的隨訪和頻繁的肺活檢，從而降低醫(yī)療系統(tǒng)的負(fù)擔(dān)。這對于醫(yī)療資源緊張的地區(qū)尤為重要。未來通過整合全球多地?cái)?shù)據(jù)，該ＡＩ系統(tǒng)能在早期發(fā)現(xiàn)肺癌方面發(fā)揮更大作用，尤其是在提高診斷陽性率和減少漏診風(fēng)險(xiǎn)方面，為患者爭取更多治療時(shí)間。

從精準(zhǔn)的醫(yī)學(xué)圖像分割到提升診療公平性，再到篩查效率，這些新技術(shù)正為醫(yī)學(xué)創(chuàng)新提供更有力的支持。期望這些研究能盡快落地，逐步進(jìn)入到我們的日常醫(yī)療環(huán)境，讓我們享受到更高效、更精準(zhǔn)的診療服務(wù)。希望未來，ＡＩ能夠在醫(yī)療健康領(lǐng)域發(fā)揮更大的潛力，真正造福每一位需要幫助的人。

參考資料：

【１】Ｚｈｕ，?。剩?，?。龋幔恚洌?，　Ａ．，?。眩?，　Ｙ．，?。剩椋?，?。伲?，　＆?。祝酰。剩。ǎ玻埃玻矗。停澹洌椋悖幔臁。樱粒汀。玻骸。樱澹纾恚澹睿簟。恚澹洌椋悖幔臁。椋恚幔纾澹蟆。幔蟆。觯椋洌澹铩。觯椋帷。樱澹纾恚澹睿簟。粒睿簦瑁椋睿纭。停铮洌澹臁。玻。幔颍兀椋觯。瑁簦簦穑螅海洌铮椋铮颍纾保埃矗福担担埃幔颍兀椋觯玻矗埃福埃埃福罚?/p>

【２】Ｓｃｈａｅｋｅｒｍａｎｎ，?。停。Α。龋铮颍?，?。桑。ǎ玻埃玻?，?。停幔颍悖琛。保担。龋牛粒蹋骸。痢。妫颍幔恚澹鳎铮颍搿。妫铮颉。瑁澹幔欤簦琛。澹瘢酰椋簦。幔螅螅澹螅螅恚澹睿簟。铮妗。恚幔悖瑁椋睿濉。欤澹幔颍睿椋睿纭。穑澹颍妫铮颍恚幔睿悖澹。牵铮铮纾欤濉。遥澹螅澹幔颍悖琛。拢欤铮纾。遥澹簦颍椋澹觯澹洹。妫颍铮怼。瑁簦簦穑螅海颍澹螅澹幔颍悖瑁纾铮铮纾欤澹猓欤铮纾瑁澹幔欤幔妫颍幔恚澹鳎铮颍耄妫铮颍瑁澹幔欤簦瑁澹瘢酰椋簦幔螅螅澹螅螅恚澹睿簦铮妫恚幔悖瑁椋睿澹欤澹幔颍睿椋睿纾穑澹颍妫铮颍恚幔睿悖澹?/p>

【３】Ｈａｎ，?。拢?，　Ｚｈｅｎｇ，?。遥?，?。冢澹睿?，　Ｈ．，　Ｗａｎｇ，　Ｓ．，?。樱酰?，?。耍?，?。茫瑁澹?，　Ｒ．，?。蹋椋。蹋?，?。祝澹?，?。祝。Α。龋?，?。剩。ǎ玻埃玻矗。茫幔睿悖澹颉。椋睿悖椋洌澹睿悖濉。幔睿洹。恚铮颍簦幔欤椋簦。椋睢。茫瑁椋睿幔。玻埃玻玻。剩铮酰颍睿幔臁。铮妗。簦瑁濉。危幔簦椋铮睿幔臁。茫幔睿悖澹颉。茫澹睿簦澹?，?。矗ǎ保?，?。矗罚担常。瑁簦簦穑螅海洌铮椋铮颍纾保埃保埃保叮辏辏睿悖悖玻埃玻矗埃保埃埃?/p>

【４】Ｋｉｒａｌｙ?。粒?，　Ｃｕｎｎｉｎｇｈａｍ?。茫?，?。危幔辏幔妫椤。?，　Ｎａｂｕｌｓｉ?。?，　Ｙａｎｇ?。剩。蹋幔酢。?，?。蹋澹洌螅幔怼。剩?，?。伲濉。祝。粒颍洌椋欤帷。?，?。停悖耍椋睿睿澹。樱?，　Ｐｉｌｇｒｉｍ?。遥。蹋椋酢。?，　Ｓａｉｔｏ?。?，?。樱瑁椋恚幔恚酰颍帷。?，?。牛簦澹恚幔洌椤。?，　Ｍｅｌｎｉｃｋ?。模。剩幔睿螅澹睢。?，?。茫铮颍颍幔洌铩。牵樱。校澹睿纭。?，?。裕螅濉。模。樱瑁澹簦簦。?，?。校颍幔猓瑁幔耄幔颍帷。?，?。危幔椋洌椋悖琛。模?，　Ｂｅｌａｄｉａ?。危。牛螅鳎幔颍幔睢。耍。粒螅螅椋螅簦椋觯濉。粒伞。椋睢。蹋酰睿纭。茫幔睿悖澹颉。樱悖颍澹澹睿椋睿纾骸。痢。遥澹簦颍铮螅穑澹悖簦椋觯濉。停酰欤簦椋睿幔簦椋铮睿幔臁。樱簦酰洌。椋睢。簦瑁濉。眨睿椋簦澹洹。樱簦幔簦澹蟆。幔睿洹。剩幔穑幔睿。遥幔洌椋铮臁。粒颍簦椋妗。桑睿簦澹欤欤。玻埃玻础。停幔?；６（３）：ｅ２３００７９．?。洌铮椋骸。保埃保保矗福颍幔椋玻常埃埃罚梗。校停桑模骸。常福矗罚罚叮叮保弧。校停茫桑模骸。校停茫保保保矗埃担保罚?/p>

注：文章來源于網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系刪除