AI大模型如何赋能医学影像？医疗企业探索潜在应用场景

人工智能在医疗影像领域的应用一直是业内关注的焦点。在今年的中国国际医疗器械博览会（CMEF）上，ChatGPT这类新型的生成式AI技术也成为行业专家热议的话题。医疗巨头企业正在探索生成式AI赋能医学影像的潜在应用场景。

第一财经记者在CMEF上了解到，目前包括西门子医疗和GE医疗在内的医疗影像巨头企业都在开发潜在的AI大模型在医疗影像领域的应用场景，尽管这些尝试目前还处于早期阶段，并面临数据处理及监管等多方面的挑战。

人工智能已经在医学成像和诊断领域发挥重要作用，未来临床医生期待通过人工智能解决方案帮助预测癌症患者肿瘤生长过程中的风险，并且有望结合图像、实验室数据、病理学以及基因图谱来推动精准诊疗。

“我们期待看到企业基于大模型，展示例如多器官3D影像的智能分割等场景。”一位从事医疗大模型的技术专家在CMEF期间对第一财经记者表示。

他举例称，医学图像的智能分析和可视化未来会有很多应用场景，例如在临床诊断以及癌症早筛方面，以及计算机辅助的手术规划系统研发及手术仿真。

类似ChatGPT这样的生成式AI技术未来还可以帮助工程师开发3D成像模型。“今天，如果你要为每个身体部位建立一个基础模型，就必须以不同的方式来训练这些模型；而通过大型语言模型（LLM）将有机会创建一个通用的解剖模型，从而能够快速地对每个器官进行训练。”上述人士告诉第一财经记者。

类似ChatGPT这样的生成式AI技术未来将可以帮助工程师开发3D成像模型。华东医院老年放射科主任，张国桢肺微小结节诊疗中心主任李铭对第一财经记者表示：“我们期待这样的多器官解剖学模型出来后，可以做一些例如协助肺癌早筛之类的诊断工作，并结合影像AI诊断结果制定下一步的治疗策略。AI系统如何与大模型进行融合，是我们持续关注的问题。”

李铭表示，尽管今天通过CT或者磁共振扫描，已经可以获得每个人独一无二的解剖学的影像，但要建立一个通用的模型，关键还依赖于训练所采用具体什么样的数据。

这又回归到数据的获取以及算法的创建问题。例如当算法使用仅针对某些患者群体进行训练时，可能会导致算法出现偏差，这在诊断和治疗不同患者群体时会出现问题。

以肺结节的诊断为例，如果AI算法主要基于来自西欧和美洲的数据，那么AI在这些地区的患者人群中将会相对而言更加精准；但是如果采用相同的算法并将其应用于中国患者时，它的准确性实际上要低得多。因此如果要获得同样的准确度，那么将需要针对特定的患者群体重新训练算法。

第一财经记者了解到，为了解决算法数据不平衡的问题，2021年，上海相关部门已经出台了一份关于放射影像源头数据采集的规范文件，规定了医学放射影像设备的源头数据采集原则、采集技术要求以及数据分类和处理规则，围绕放射影像数据为主的真实医疗场景数据采集以及机遇采集的数据进行互联网医疗、医疗科研分析、医疗大数据及人工智能研究等工作。