人工智能在解读医学图像方面取得了令人瞩目的进步。在英国国家医疗服务体系 (NHS) 最近的一次测试中，一款人工智能工具查看了 10,000 多名女性的乳房 X 光检查结果，并正确识别出哪些患者患有癌症。该人工智能还发现了 11 例医生遗漏的病例。但系统性疾病(如狼疮和糖尿病)对这些系统提出了更大的挑战，因为诊断通常涉及多种医学图像，从 MRI 到 CT 扫描。

华盛顿大学保罗·艾伦计算机科学与工程学院助理教授王胜与微软研究院和普罗维登斯遗传学与基因组学公司的合著者合作创建了BiomedParse，这是一种人工智能医学图像分析模型，可处理九种类型的医学图像，以更好地预测全身性疾病。医疗专业人员可以将图像加载到系统中，并用简单的英语向人工智能系统提问。

研究团队于11月18日在《自然方法》杂志上发表了其研究成果。

UW News 与王谈论了该工具以及人工智能在医疗保健领域的伦理和前景。

你的实验室研究什么?

我们专注于多模态生成 AI，这意味着我们致力于处理多种医学图像。以前的研究每次只考虑一种类型的图像，例如癌症研究中的病理图像。我们的新方法是综合考虑各种图像来预测全身性疾病。糖尿病等疾病可以出现在身体的各个部位，包括眼睛、牙齿、肾脏等。如果你只有一个可以查看眼睛图像的模型，它可能会错过有关全身性疾病的信息。