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)全國重點實驗室的科研團隊，近日在醫(yī)學(xué)人工智能領(lǐng)域取得重要突破。由王珊珊研究員領(lǐng)銜的跨機構(gòu)合作組，成功開發(fā)出一種無需人工標注即可自主識別醫(yī)學(xué)影像病灶的智能模型，相關(guān)成果已發(fā)表于國際權(quán)威期刊《自然—生物醫(yī)學(xué)工程》。

該模型被命名為AFLoc，其核心創(chuàng)新在于突破傳統(tǒng)AI診斷依賴醫(yī)生預(yù)先標注病灶的局限。研究團隊通過構(gòu)建自監(jiān)督學(xué)習(xí)框架，使模型能夠直接從海量未標注的醫(yī)學(xué)影像中自主學(xué)習(xí)特征模式，實現(xiàn)從胸部X光片到眼底掃描、組織病理切片等多模態(tài)影像的病灶自主定位。實驗數(shù)據(jù)顯示，AFLoc在三種典型醫(yī)學(xué)影像場景中均展現(xiàn)出高精度識別能力，其性能指標達到國際領(lǐng)先水平。

這項成果由深圳先進院、清華大學(xué)及澳門科技大學(xué)聯(lián)合完成，研究過程中得到鄭海榮院士的學(xué)術(shù)指導(dǎo)。項目團隊特別強調(diào)，AFLoc的自主學(xué)習(xí)機制不僅提升了診斷效率，更有望解決基層醫(yī)療機構(gòu)因缺乏專業(yè)標注數(shù)據(jù)導(dǎo)致的AI應(yīng)用瓶頸。目前研究團隊正在推進模型的臨床轉(zhuǎn)化工作，計劃通過多中心驗證進一步優(yōu)化算法魯棒性。