医AI训练获新突破：生成式模型助训练

随着人工智能在医疗领域的深入应用，医学影像分析作为其中的关键环节，正日益受到重视。AI技术助力医生们更快、更精确地诊断疾病，制定治疗方案。然而，高质量的医学影像数据对于AI的训练至关重要，但获取这些数据却面临诸多挑战，如患者隐私保护和高昂的数据标注成本等。为了突破这一困境，北京大学与温州医科大学的研究团队联合开发了一种名为MINIM的生成式多模态跨器官医学影像基础模型。

MINIM模型能够根据文本指令以及多器官的多种成像方式，自动合成大量高质量的医学影像数据，为医学影像大模型的训练、精准医疗及个性化诊疗等提供强有力的技术支持。这一创新成果已发表于国际权威期刊《自然·医学》。

MINIM模型宛如一位“图像生成器”，它凭借先进的AI技术，根据文字描述即可生成海量的医学影像数据，涵盖CT、X光、磁共振等多种成像方式，并涉及多个器官。北京大学未来技术学院助理研究员王劲卓表示：“当前公开的医学影像数据极为有限，我们开发的生成式模型有望有效解决训练数据不足的问题。”

为验证MINIM模型的真实性和可靠性，研究团队利用多种器官在不同成像方式下的高质量影像文本配对数据进行训练，最终生成了海量医学合成影像。这些合成影像在图像特征、细节呈现等多方面与真实医学图像高度一致。实验结果显示，使用MINIM生成的合成数据，在医生主观评价和客观检测标准上均达到国际领先水平。

在真实数据基础上，采用20倍合成数据对眼科、胸科、脑科和乳腺科等多个医学任务进行训练，准确率平均可提升12%至17%。王劲卓进一步指出，MINIM生成的合成数据应用前景广阔，既可以单独用于训练医学影像大模型，亦可将真实数据与之混合，从而提升模型在实际应用中的性能，推动AI在医学和健康领域的广泛应用。

目前，在疾病诊断、医学报告生成和自监督学习等关键领域，利用MINIM合成数据进行训练已展现出显著的性能提升，为AI在医学领域的进一步发展注入了新的活力。