圖：科大團隊研發出四款嶄新的人工智能醫學大模型。
為推進醫療保健領域發展，協助醫生提高診治的精準度和效率，香港科技大學研發出四個嶄新的人工智能（AI）醫學大模型，涵蓋乳癌診斷、病理輔助和全科醫學等，可為癌症等多達30種疾病提供診斷和預後評估。當中，針對乳癌診斷而設的MOME是全球首個以大模型方式分析多參數磁力共振（MRI）影像的AI模型，可協助醫生快速分辨乳房腫瘤屬良性或惡性，其準確度達90%以上，可媲美具有5年或以上經驗的專業放射科醫生。
另外，團隊亦研發出被稱為「醫學界GPT」的MedDr多模態語言模型，可為患者進行初步診斷，被評為全球同類模型中性能最佳的AI系統之一。
快速AI診斷乳癌 媲美五年以上經驗醫生
科大首席副校長郭毅可與負責領導研究的科大計算機科學及工程學系助理教授陳浩，昨日就四個AI醫學模型的研究成果與應用潛力進行介紹。陳浩表示，這次歷時近3年的研究是透過科大的人工智能運算設施進行，在充足的運算力下，這些AI醫學系統得以由大量數據建構而成，結合團隊創新的機器學習訓練策略，性能表現比其他現有模型更為優秀，例如單是其中一個針對病理學而設的AI基礎模型，便曾處理逾1.6億張醫學圖像，涵蓋32癌症類別。
預測化療反應 制定治療方案
陳浩指出，針對乳癌的診斷，團隊研發出名為MOME的AI模型，它以大模型方式分析多參數磁力共振影像，能夠助醫生分析患者的乳房MRI影像，輔助他們快速區分乳房腫瘤屬良性或惡性，從而盡量避免病人進行不必要的病理穿刺化驗；此外，該AI模型更能預測患者對化療的反應，為病人制定適合的治療方案；而該系統的準確度可比具有5年或以上經驗的放射科醫生，對為病人開創非入侵性及個人化的治療管理有莫大幫助。
陳浩表示，MOME模型採集了內地5間醫院逾1萬多個病例的數據，並在此大規模的數據基礎上，採用先進技術去透過多模態混合專家模型，來實現對多序列MRI影像的具體判斷，包括病灶的檢測、分割及良好性等，「根據AUROC這個非常客觀的指標，目前該模型的準確度可達90%以上。」他透露，現時正逐步擴大數據庫及收集更多醫生的反饋以進行分析和優化，正與包括香港和內地的醫院保持密切溝通，目標是在下一階段實現有10家以上醫院的數據。
科大團隊亦建構了稱為mSTAR的病理輔助工具。陳浩介紹，它是世界領先的病理學基礎模型之一，與一般模型不同，mSTAR並非將整張切片分割及獨立分析，而是將整幅病理全景影像作分析，並引入多模態知識增強識別能力，有助病理學家執行多達40項診斷和預後任務，減低病理分析所需的時間，並提升診斷的準確性。
醫學界「GPT」 可撰醫療報告
另外，陳浩指出，團隊也研發出有如AI全科醫生的MedDr多模態語言模型，能夠解答問題、撰寫醫療報告，並根據醫學圖像為病人作初步診斷等，是目前全科醫學中最具規模的開源軟體，有助醫生做出快速、準確及可靠的診斷，被形容為醫學界的「GPT」。
而為了提升醫療人員對AI模型的信任度，團隊亦開發出一個創新的AI框架──XAIM（可解釋的人工智能），用於剖析各個AI醫學模型系統是如何作出決策，並為系統的診斷結果提供圖像及文字解釋，以提升醫療人員對系統分析結果原由的理解，彌補現時不少AI系統準確度甚高但透明度欠奉引起疑慮的缺點。
身兼科大與華中科技大學同濟醫學院附屬醫院「醫工交叉聯合創新中心」主任的陳浩強調，這些AI模型絕對不能取代真實醫生，但期望它們能成為醫生的得力助手，達至「人機協同」，協助完善診斷、促進個人化治療並簡化流程工作。
