国产的用于进行病理诊断操作用的人工智能迎来了具有关键意义的重大突破, 在8月30日这一天, 上海瑞金医院联合阿里云正式发布了瑞智病理大模型2,软件作品登记号-1项, 各项核心指标刷新了行业所创下的纪录, 并直接对标又超越海外位列前列的相近类型的产品作品记录榜综合分数与获奖名单获得为中国基层医院做病理诊断工作的操作装上了“超级大脑”。

模型参数规模创新高

此次发布的瑞智病理大模型2.0, 其参数规模达到了70亿, 它覆盖了19个常见癌种, 其诊断任务数量增加到了205项, 它是目前业界覆盖范围最为广泛的病理基础模型。这一数据规模表明, 该模型能够处理病理医生日常工作当中超过90%的诊断场景, 能大幅减轻临床负担。

与之前版本相比较而言, 2.0版本, 在参数规模以及任务覆盖这两方面情况上, 达成了质的飞跃。7B参数规模, 于同类医疗大模型当中, 处于领先的位置, 为后续更多复杂诊断任务的引入, 奠定了十分坚实有力的基准, 并且还为模型持续不断地迭代, 预留了相当充足的空间。

诊断可解释性实现突破

在组织学亚型这个关键维度, 该模型首次实现了精确的可解释性标识。在浸润深度这个关键方面, 此模型也首次达成了那样的精确标识。于核分裂象这个关键维度, 该模型同样首次做到了的精确标识。这表明医生不但能够看到AI给出的诊断结果, 而且还能够清晰知晓AI是借助哪些病理特征做出的判断。从而使得AI的诊断过程变成透明且可追溯的。

医疗AI落地其中一个核心难点是可解释性, 过去好多AI模型尽管诊断准确率挺高, 然而医生没办法领会它的决策逻辑, 致使信任度不够。这次瑞金医院的技术获得突破, 把这一痛点有效解决了, 把AI辅助诊断临床推广的障碍消除了。

罕见病种数据难题被攻克

面对着罕见病种数据匮乏的行业棘手难题, 阿里云同瑞金医院运用病理多模态生成式模型去合成训练数据，从而显著提高了模型的精准程度。在淋巴瘤诊断任务当中, 模型准确率达到了96.48%, 这样一个成绩在数据量欠缺的罕见病种领域是极为难得的。

持续以来, 罕见病症诊断始终是病理医生所面临的难点所在, 同时, 这也是AI医疗领域中较为薄弱的一个环节。鉴于病例极为稀少的缘故, 传统深度学习模型很难获取到充实并且足够的训练。而生成式AI技术的引入, 为此种困境提供了全新的思考方向, 极有可能推动更多罕见病症能够得到精确的诊断。

性能指标全面领先

在五十五九顶项下游诊断任务当中, 四十二项达成了行业SOTA（当下最优）水准, 整体性能超过海外顶级病理基础模型, 这一成绩意思是国产病理AI已然拥有了跟国际先进水平竞争甚至超前的能力, 破除了海外厂商于高端医疗AI领域的独占局面。

领先的性能, 并非仅仅在准确率方面得以体现, 在泛化能力以及鲁棒性上同样有所展现。国产化的模型, 是依据中国人群、国内医院的数据所具特点而开展优化的。在实际临床环境里, 其表现常常会比直接移植过来的海外模型更为优异, 这正是国产 AI 医疗突出的优势之处了。

轻量化部署降低门槛

本次同步推出来的瑞智病理大模型2.0 Edge版本, 其参数规模仅仅是200万, 能够直接在医院普遍常见的PC上去运行, 压根不需要耗资巨大而价格高昂的高性能服务器。这个显得很轻量化的模型会跟云端大模型配合做事共同发挥作用, 能够达成在分钟级别上的推理响应效果, 极大程度地让基层医院的落地门槛给降低了。

对于好多基层医院来讲, 硬件投入向来是导入AI诊断的主要阻碍。有着200万参数的轻量化模型对算力的需求量极低, 普通办公电脑就能运行, 搭配云端协同架构, 既能够享受到大模型的强大能力, 又不必承担高昂的硬件成本, 切实达成了普惠医疗。

AI病理诊断未来可期

瑞金医院跟阿里云在这次的合作当中, 表明国产医疗AI于病理诊断范畴跨出了关键的一步。从具有7B参数的大模型发展到有200万 参数的轻量化类型从针对19个癌种转变为涉及205项诊断任务, 从罕见病种的数据生成至诊断进程的可解释性取得突破, 每一项升级都精准契合临床实际需求。

AI病理诊断若普及, 会切实提高基层医院的诊断能力, 减小地区间的医疗差异, 使更多患者能享受到高品质的病理服务。随着技术不断更迭以及临床验证的进一步深入, 国产病理AI期望在全球范围内呈现更强大的竞争力。

对于AI病理诊断究竟何时能够全方位取代人工阅片这一情况, 你是怎么看的呢? 欢迎于评论区域分享一下你的想法, 倘若觉得有裨益, 那就进行点赞操作并且将其转发给更多有所需求的人。