香港科技大学计算机科学及工程学系助理教授、香港科技大学深港协同创新研究院特聘教授、SHCIRI人工智能医疗实验室负责人陈浩教授带领团队成功研发四大崭新的AI医学大模型，推进医疗保健领域的发展。这批AI医学大模型旨在协助全科及专科医生诊症，能为多达30种癌症及疾病提供诊断和预后评估，部分模型的准确度更可与拥有5 年或以上经验的专业医疗人员媲美。

以下内容转载自：香港科技大学快讯

港科大首席副校长郭毅可教授（左）与港科大计算机科学及工程学系助理教授陈浩教授（右）。

是次研究透过港科大的人工智能运算设施进行，在充足的运算力下，这些AI医学系统得以由大量数据建构而成，结合团队创新的机器学习训练策略，性能表现比其他现有模型更为优秀。领导研究的港科大计算机科学及工程学系助理教授陈浩教授指出，单单是其中一个针对病理学而设的 AI 基础模型，便曾处理逾1.6亿张医学图像，涵盖32癌症类别。

（左起）郭毅可教授、陈浩教授、暨南大学第二临床医学院深圳市人民医院放射科主任医师吴明祥医生，及南方医科大学基础医学院病理系/南方医院病理科主任梁莉教授。

四大模型包括：

• MOME（乳癌诊断）为首个以大模型方式分析多参数磁力共振（MRI）影像的AI模型，针对乳癌诊断而设。乳癌是本港女性最常见的癌症之一，此模型能助医生分析病人的乳房MRI，辅助他们快速区分乳房肿瘤属良性或恶性，从而尽量避免病人进行不必要的病理穿刺化验。此外，此AI模型更能预测患者对化疗的反应，为病人制定适合的治疗方案。系统的准确度能与具有5年或以上经验的放射科医生相媲美，对为病人开创非入侵性及个人化的治疗管理有莫大帮助。

• mSTAR（病理辅助工具）是世界领先的病理学基础模型之一。病理检查是世界认可诊断癌症的「黄金标准」，然而，撰写病理报告的过程非常耗时，而且容易出错，而mSTAR这个模型正是为改善此一流程而建构。与一般模型不同，mSTAR并非将整张切片分割及独立分析，而是将整幅病理全景影像作分析，并引入多模态知识增强识别能力，有助病理学家执行多达40 项诊断和预后任务，减低病理分析所需的时间，并提升诊断的准确性。

• MedDr (全科) 仿如一位AI 全科医生。此多模态语言模型犹如医学界的「GPT」，能解答问题、撰写医疗报告，并根据医学图像为病人作初步诊断等，为目前全科医学中最具规模的开源软体，有助医生做出快速、准确及可靠的诊断。在上海人工智慧实验室近日进行的一项评测中，MedDr更被评为全球同类模型中性能最佳的AI系统之一。

• XAIM（可解释的人工智能）是一个创新的AI框架，用于剖析各个AI医学系统如何作出决策，以提升医疗人员对AI模型的信任度。虽然现时不少AI系统准确度甚高，惟透明度欠奉，惹来疑虑。XAIM遂为系统的诊断结果，提供图像及文字解释，提升医疗人员对系统分析结果原由的理解。

陈教授身兼港科大与华中科技大学同济医学院附属医院「医工交叉联合创新中心」主任，他表示：「我们期望这批AI系统能成为医生的得力助手，协助完善诊断、促进个人化治疗并简化流程工作。在目前的成功基础上，我们正研发一系列针对不同临床任务的AI系统，包括精准肿瘤学和计算机辅助介入等医疗工作。同时，我们亦会继续收集更多数据作训练，以不断优化现有的AI模型。长远而言，我们冀透过与临床合作伙伴保持紧密合作，为病人谋福祉。」

陈浩教授团队研发四大崭新的AI医学大模型，旨在协助全科及专科医生诊症，能为多达 30 种癌症及疾病提供诊断和预后评估。

作为AI研究的领航者，港科大过往亦于医学领域取得不少极具影响力的研究突破，包括能预测脑癌患者接受治疗后的进程和结果的AI模型、一项可精准检测阿尔兹海默症和轻度认知障碍的血液测试、以及一种崭新的AI细胞成像技术，协助医生在手术期间及时判断癌肺细胞切除的准确范围，减轻患者可能承受第二次开刀的风险。

港科大首席副校长郭毅可教授