2024国外AI医疗创新性研究大盘点！

从精准的医学图像瓜分到擢升诊疗公允性，再到筛查效果，这些新本领正为医学更始供应更有力的助助。

闻名AI科技公司DeepMind 首席实行官 Demis Hassabis如此评判这个时期：咱们正处于险些可能用 AI 治愈一共疾病的射程局限内。2024年，AI正在医疗规模继续发力，无间打垮学术壁垒与临床局部，为疾病诊疗、医学影像领悟等方面供应了革命性处理计划。海外探求团队的众项打破，进一步胀舞了医疗行业的环球化协同更始。

医学图像瓜分是将医学图像中的合头区域或布局正确提取，以助助临床诊断和病理探求。然而，这一规模永恒面对数据异构性和模子泛化才力亏欠的寻事。为处理这些题目，牛津大学团队静心于医学图像瓜分本领的更始，异常是正在三维医学图像收拾和单次提示瓜分才力上无间打破。他们基于Meta公司斥地的Segment Anything Model 2（SAM 2）框架，推出了Medical SAM 2（MedSAM-2），为医学图像瓜分本领开垦了全新旅途。

遵循探求团队揭晓于预印本平台arXiv上的论文《Medical SAM 2: Segment medical images as video via Segment Anything Model 2》所述，其焦点更始有三点：开始，将医学图像举动视频的收拾，通过将三维医学图像视为具有工夫相干的视频数据，从而优化了对3D图像瓜分的收拾流程。其次，优化了单次提示瓜分才力，用户只需为一种新标的供应单个提示，模子即可自愿瓜分后续图像中同类对象，明显削减了对人工提示的依赖。结果，加强了众模态与高泛化才力，团队愚弄丰厚的数据集验证了MedSAM-2的适合性，蕴涵针对腹部众器官瓜分的BTCV数据集和用于脑肿瘤、甲状腺结节等瓜分职分的众模态数据集。【1】

实行结果显示，MedSAM-2正在众器官瓜分职分中的Dice评分（常用的量度图像瓜分正确性的目标，值越挨近100%申明瓜分结果与线%，明显领先于守旧模子。无论是三维成像的工夫相干收拾，依然二维成像的单次提示，MedSAM-2都正在模子泛化性和操作便捷性上超越了前代本领。

目前，MedSAM-2已正在医学影像领悟和手术筹办规模发轫达成了落地运用。正在癌症影像诊断中，MedSAM-2可疾捷瓜分肿瘤鸿沟，为临床医师供应更精准的病灶新闻。正在性子化手术计划策画时，通过对患者器官和结构的精巧瓜分，该模子助助外科医师同意性子化手术筹办。正在和病理探求中，MedSAM-2的高精度瓜分才力可能明显擢升术前评估与诊断的效果。

其它，MedSAM-2还出现出正在甲状腺结节检测、脑肿瘤领悟及皮肤病变瓜分等众个细分规模的潜正在运用代价，越发实用于需求收拾海量众模态医学图像的杂乱场景。举动一项本领革命，MedSAM-2不光优化了医学图像瓜分的效果与精度，还为处理医学图像领悟中的数据异构性供应了新思绪。

面临基于呆板进修的医疗东西是否可能达成公允性的困难，谷歌AI团队提出了更始性的健壮公允评估框架（HEAL）。该框架的焦点标的是确保AI本领优眷注那些健壮景况较差的群体，以削减因布局性不服等（如社会、经济和种族区别）导致的健壮结果区别。

遵循谷歌发外于官网的陈述《HEAL: A framework for health equity assessment of machine learning performance》，HEAL框架包括四个合头方法：开始通过采纳种族、性别、岁数等或许影响健壮公允的要素，显着AI东西的评估圭表，识别与健壮不公允合系的要素并界说东西机能目标

随后愚弄失能调动人命年（DALYs）和人命耗费年数（YLLs）等目标，描摹区别群体的健壮区别，量化现有的健壮区别。再衡量东西正在各子群体中的出现，斗劲AI东西正在区别群体的预测正确性。结果评估东西正在健壮区别中的优先级，通过预备HEAL目标，量度AI东西正在健壮公允性方面的出现。HEAL目标反应了模子机能与健壮区别之间的反合系性，即东西是否优先擢升了健壮景况较差群体的诊疗功效。【2】

谷歌团队将HEAL框架运用于皮肤科AI模子的评估，探求其正在区别种族、性别和岁数群体中的出现。该模子基于约29,000个病例的数据，旨正在预测288种皮肤病，通过领悟患者皮肤照片及合系新闻，天生或许的诊断列外。探求团队操纵约5,420个病例的数据集对模子实行评估，此中包括众样化的岁数、性别和种族或族裔新闻。

举动评估健壮公允性的东西，HEAL框架可为医疗囚禁机构供应科学凭借，助助同意有针对性的战略，督促健壮资源的合理分派。HEAL框架还可用于安插后的AI医疗东西监测，树立健壮公允性仪外盘，确保模子正在本质运用中继续优化。即使现时框架合键聚焦医疗规模，其理念和要领可能施行至指导、就业等其他社会规模，为处理不服等题目供应新的视角。

2024年2月，邦度癌症核心发外的《2022年中邦癌症发病率和去逝率》陈述指出，肺癌仍是我邦恶性肿瘤发病和去逝的首要理由。【3】即使诊疗本领无间发展，但诊断延宕与太过调理等题目照旧卓越。

针对筛查癌症方面的疾苦，谷歌 AI 团队协同美邦和日本的探求机构评估AI本领若何与现有筛查管事流程深度调解，并追求其正在区别邦度特定指南和评分统制同意下的有用性。探求团队通过对627例低剂量胸部CT病例（蕴涵141例癌症阳性病例）的领悟，涵盖了众种结节类型，如实性结节、局部实性结节和非实性结节，为优化AI筛查流程供应了充分的数据助助。

遵循团队协同揭晓于《Radiology AI》期刊上的著作《Assistive AI in Lung Cancer Screening: A Retrospective Multinational Study in the United States and Japan》总结的探求进步，人工智能辅助筛查正在美邦和日本两地的特异性辞别提升了5.5%和6.7%，而敏锐性未明显消浸。正在LoS（质疑水平评分）和AUC（授与器操作特征弧线面积）的归纳评估中，AI辅助筛查的出现明显优于守旧要领。越发是正在癌症阳性病例中，AI编制记号了美邦89%和日本75%的核心结节，明显擢升了医师的诊断效果。【4】

探求创造，有AI辅助的情形下，均匀每位病例筛查工夫削减了14秒。这不光提升了医师的管事效果，还巩固了他们的诊断信念。其它，AI编制能正确记号大大批癌症合系的结节区域，为放射科医师供应更有针对性的剖断凭借，削减了不须要的随访和活检提议。

这项探求验证了人工智能正在杂乱筛查流程中的本质效用，AI辅助筛查可能削减不须要的随访和屡次的肺活检，从而低浸医疗编制的负责。这对付医疗资源吃紧的地域尤为要紧。改日通过整合环球众地数据，该AI编制能正在早期创造肺癌方面施展更大功用，越发是正在提升诊断阳性率和削减漏诊危险方面，为患者争取更众调理工夫。

从精准的医学图像瓜分到擢升诊疗公允性，再到筛查效果，这些新本领正为医学更始供应更有力的助助。期待这些探求能尽疾落地，逐渐进入到咱们的常日医疗处境，让咱们享福到更高效、更精准的诊疗办事。希冀改日，AI可能正在医疗健壮规模施展更大的潜力，真正制福每一位需求助助的人。