轉(zhuǎn)自 HyperAI超神經(jīng)

作者：十九

編輯：李寶珠

轉(zhuǎn)載請聯(lián)系本公眾號獲得授權，并標明來源

本期文章，HyperAI超神經(jīng)聚焦 AI 在醫(yī)療健康領域的研究，為大家精選了 2023—2024 年期間解讀的 35 篇前沿論文，點擊下方論文題目或中文解讀，即可跳轉(zhuǎn)論文解讀頁面。

過去幾年，以英偉達、谷歌為首的科技巨頭紛紛表達對 AI 醫(yī)療的重視，近千億元資金被砸進該賽道，醫(yī)療領域也成為 AI 應用最廣、成效最明顯的領域之一。

在即將過去的 2024 年期間，研究人員們構(gòu)建醫(yī)學大模型，用 AI 分割醫(yī)學圖像/視頻、診斷糖尿病、帕金森病、乳腺癌、肺癌、卵巢癌、冠心病、抑郁癥以及胃病等，同時探索識別 RNA 病毒的深度學習技術。AI 正以前所未有的速度重塑醫(yī)療健康行業(yè)面貌，優(yōu)化患者的就醫(yī)體驗。

繼上期匯總 26 篇最值得關注的 AI+材料化學論文后，本期文章，HyperAI超神經(jīng)聚焦 AI 在醫(yī)療健康領域的研究，為大家精選了 2023—2024 年期間解讀的 35 篇前沿論文，點擊下方論文題目或中文解讀，即可跳轉(zhuǎn)論文解讀頁面，希望對您有所幫助。

01

論文題目：

中文解讀：
研究內(nèi)容：浙江大學聯(lián)合微軟亞洲研究院提出了一種全新的統(tǒng)一醫(yī)學圖像預訓練框架 UniMedI。它利用診斷報告作為公共語義空間，可為不同模態(tài)的醫(yī)學圖像創(chuàng)建統(tǒng)一的表示，成功整合了 2D 和 3D 圖像，使復雜的醫(yī)學數(shù)據(jù)被更好地利用。

02

論文題目：

中文解讀：
研究內(nèi)容：復旦大學類腦智能科學與技術研究院發(fā)布數(shù)字孿生腦平臺，這是國際上首個基于數(shù)據(jù)同化方法開發(fā)的、具備 860 億神經(jīng)元規(guī)模及百萬億突觸的全人腦尺度大腦模擬平臺。

03

論文題目：

中文解讀：
研究內(nèi)容：上海交通大學團隊創(chuàng)建了一個包含 255 億 tokens 的多語言醫(yī)療語料庫 MMedC，開發(fā)了一個覆蓋 6 種語言的多語言醫(yī)療問答評測標準 MMedBench，同時還構(gòu)建了一個 8B 的基座模型 MMed-Llama 3。

04

論文題目：

中文解讀：
研究內(nèi)容：清華大學聯(lián)手上海交通大學、新加坡國立大學及新加坡國家眼科中心團隊，成功構(gòu)建全球首個面向糖尿病診療的視覺-大語言模型集成系統(tǒng) DeepDR-LLM，可為基層醫(yī)生提供個性化的糖尿病管理意見及糖尿病視網(wǎng)膜病變輔助診斷結(jié)果。

05

論文題目：

中文解讀：
研究內(nèi)容：上海交通大學團隊開發(fā)了深度學習系統(tǒng) IGI-DL，通過組織病理學圖像，為沒有空間轉(zhuǎn)錄組數(shù)據(jù)的癌癥患者預測腫瘤微環(huán)境信息，從而實現(xiàn)精確的癌癥預后。

06

論文題目：

中文解讀：
研究內(nèi)容：中山大學腫瘤防治中心婦科團隊，聯(lián)合南方醫(yī)科大學、華中科技大學同濟醫(yī)學院附屬同濟醫(yī)院、浙江大學醫(yī)學院附屬婦產(chǎn)科醫(yī)院，構(gòu)建了卵巢癌診斷人工智能融合模型 MCF，模型識別卵巢癌的準確率優(yōu)于 CA125 和 HE4 等傳統(tǒng)生物標志物。

07

論文題目：

中文解讀：
研究內(nèi)容：上海交通大學 X-LANCE 實驗室團隊等搭建了一種自動化大模型對話 Agent 模擬系統(tǒng)——智能體心理診所 AMC (Agent Mental Clinic)，用于抑郁癥的初步診斷。

08

論文題目：

中文解讀：
研究內(nèi)容：牛津大學團隊開發(fā) Medical SAM 2 (MedSAM-2) 醫(yī)學圖像分割模型，基于 SAM 2 框架設計，將醫(yī)學圖像視作視頻，不僅在 3D 醫(yī)學圖像分割任務上表現(xiàn)卓越，同時還解鎖了一種新的單次提示分割的能力。

09

論文題目：

中文解讀：
研究內(nèi)容：深圳大學和香港理工大學智能健康研究中心聯(lián)合提出了一種新穎的超聲心動圖視頻分割模型 MemSAM，將 SAM 應用于醫(yī)學視頻。

10

論文題目：

中文解讀：
研究內(nèi)容：華中科技大學團隊提出醫(yī)學圖像分割模型 M2CF-Net，通過融合多分辨率和多尺度的圖像識別技術，該方法能夠準確識別干燥綜合征患者病理圖像中的淋巴細胞聚集灶，幫助醫(yī)生做出更快速、更準確的診斷。

11

論文題目：

中文解讀：
研究內(nèi)容：華中科技大學聯(lián)合上海交通大學、中南民族大學、香港科技大學、香港理工大學、悉尼大學團隊，提出了一種自監(jiān)督的、基于片段匹配的膠囊內(nèi)鏡圖像拼接方法 S2P-Matching，用于腸胃疾病的早期診斷。

12

論文題目：

中文解讀：
研究內(nèi)容：清華大學與中南大學湘雅醫(yī)院合作，提出了一種基于大區(qū)域興趣和金字塔 Transformer 的精準病理診斷 AI 基礎模型 ROAM，用于膠質(zhì)瘤的臨床級診斷和分子標志物發(fā)現(xiàn)，并可拓展到其他類型腫瘤的病理診斷。

13

論文題目：

中文解讀：
研究內(nèi)容：阿里達摩院聯(lián)合國內(nèi)外十余家醫(yī)療機構(gòu)，發(fā)布 PANDA 大模型，實現(xiàn)胰腺癌早期篩查，在 2 萬余真實世界連續(xù)病人群體中發(fā)現(xiàn)了 31 例臨床漏診病變。

14

論文題目：

中文解讀：
研究內(nèi)容：華中科技大學聯(lián)合悉尼大學、同濟醫(yī)院等，提出 CGS-Mask 方法，該方法適用于各種時間序列預測任務，尤其是那些需要與用戶互動并解釋結(jié)果的場景，例如，股市預測、疾病預測和天氣預報等，既能提高模型預測精度，又能增加預測結(jié)果的可解釋性。

15

論文題目：

中文解讀：
研究內(nèi)容：上海人工智能實驗室聯(lián)合華盛頓大學/莫納什大學/華東師范大學等團隊提出多模態(tài)醫(yī)療基準 GMAI-MMBench，包含來自全球的 284 個下游任務數(shù)據(jù)集，該數(shù)據(jù)集已在 HyperAI超神經(jīng)官網(wǎng)上線！

16

論文題目：

中文解讀：
研究內(nèi)容：山東大學聯(lián)合山西醫(yī)科大學、螺旋矩陣公司等研究團隊，運用機器學習技術，基于 mRNA 的分析，成功開發(fā)了一種評估原發(fā)性乳腺癌患者樣本中癌癥干細胞特性的新方法 BCSC signature，為乳腺癌的臨床治療提供了全新的策略和方向。

17

論文題目：

中文解讀：
研究內(nèi)容：美國肯塔基大學、澳門科技大學、澳門大學、廣州醫(yī)科大學第一附屬醫(yī)院的研究人員采用神經(jīng)網(wǎng)絡模型，建立了一個預測乳腺癌預后和治療的評分系統(tǒng) MIRS，可用于指導乳腺癌患者治療策略的制定。

18

論文題目：

中文解讀：
研究內(nèi)容：倫敦大學學院 (UCL) 和 Moorfields 眼科醫(yī)院研究人員，提出了視網(wǎng)膜圖像基礎模型 RETFound，在眼部疾病診斷/預后及系統(tǒng)性疾病的預測等任務中，都具有極佳的性能。

19

論文題目：

中文解讀：

研究內(nèi)容：上海交通大學、清華大學等聯(lián)合發(fā)布的 DeepDR Plus 僅基于眼底圖像，便可預測糖尿病視網(wǎng)膜病變在 5 年內(nèi)的進展。

20

論文題目：

中文解讀：
研究內(nèi)容：浙江大學團隊通過卷積神經(jīng)網(wǎng)絡模型，基于街景圖像的綠色視圖指數(shù)對可見綠色暴露進行評估，并證實了工作場所周圍較高的綠色景觀指數(shù)有利于成年人降低代謝綜合征風險。

21

論文題目：

中文解讀：
研究內(nèi)容：麻省理工學院計算機科學與人工智能實驗室團隊等，提出一種交互式生物醫(yī)學圖像分割通用模型 ScribblePrompt，支持不同注釋方式靈活地進行分割任務，甚至可用于未經(jīng)訓練的標簽和圖像類型。

22

論文題目：

中文解讀：
研究內(nèi)容：中山大學附屬第一醫(yī)院&中科大先進院等研究團隊，提出了一種深度學習模型——圖信號處理-圖卷積網(wǎng)絡 (GSP-GCNs)，利用事件相關腦電圖數(shù)據(jù)來診斷帕金森病。

23

論文題目：

中文解讀：
研究內(nèi)容：復旦大學團隊提出了跨任務、多維度圖像增強基礎 AI 模型 UniFMIR，實現(xiàn)了對現(xiàn)有熒光顯微成像極限的突破，并為熒光顯微鏡圖像增強提供了一個通用的解決方案。

24

論文題目：

中文解讀：
研究內(nèi)容：中山大學醫(yī)學院聯(lián)合浙江大學、復旦大學、中國農(nóng)業(yè)大學、香港城市大學、廣州大學、悉尼大學、阿里云飛天實驗室等，提出了全新的深度學習模型 LucaProt，該模型發(fā)現(xiàn)了 180 個超群、16 萬余種全新 RNA 病毒，還發(fā)現(xiàn)了迄今為止最長的 RNA 病毒基因組，標志著 RNA 病毒鑒定領域取得了重大突破。

25

論文題目：

中文解讀：
研究內(nèi)容：復旦大學團隊提出了「空間轉(zhuǎn)錄組語義注釋」概念，并開發(fā)了空間轉(zhuǎn)錄組語義注釋工具 Pianno，能夠為組織內(nèi)的空間點自動定義結(jié)構(gòu)或細胞類型，從而結(jié)合來自多個維度的信息，加強對復雜生物系統(tǒng)的解釋。

26

論文題目：

中文解讀：
研究內(nèi)容：Google 團隊開發(fā)了 HEAL (The health equity framework) 框架，能夠定量評估基于機器學習的醫(yī)療健康方案是否「公平」。

27

論文題目：

中文解讀：
研究內(nèi)容：谷歌 AI 團隊開發(fā)并優(yōu)化了人工智能輔助肺癌篩查的工作流程，在美國和日本進行了跨國性研究。

28

論文題目：

中文解讀：
研究內(nèi)容：北京協(xié)和醫(yī)院、華西醫(yī)院、河北醫(yī)科大學第二醫(yī)院、天津醫(yī)科大學眼科醫(yī)院、溫州醫(yī)科大學附屬眼科醫(yī)院的聯(lián)合研究團隊通過開發(fā)人工智能系統(tǒng)模型，協(xié)助初級眼科醫(yī)生的診斷一致性提高了約 12%，為 13 種主要眼底疾病的自動檢測提供新方法。

29

論文題目：

中文解讀：
研究內(nèi)容：湖北省麻城市人民醫(yī)院研究人員比較了多種模型，并用其中表現(xiàn)最優(yōu)的機器學習模型，預測了中國老年冠心病合并糖尿病或糖耐量受損患者一年內(nèi)死亡率為 26.83%。

30

論文題目：

中文解讀：
研究內(nèi)容：中科院基因組所（中國國家生物信息中心）建立了開放生物醫(yī)學成像檔案 (OBIA) ，這是國內(nèi)首個開放的生物醫(yī)學成像數(shù)據(jù)和相關臨床數(shù)據(jù)存儲庫，對全球醫(yī)療從業(yè)者及相關學者免費開放。

31

論文題目：

中文解讀：
研究內(nèi)容：美國加州大學舊金山分校和加州大學伯克利分校的研究團隊利用 AI 開發(fā)出一種新的腦機技術，讓失語 18 年的患者重新「開口說話」，并基于數(shù)字化身產(chǎn)生生動的面部表情，幫助患者以符合正常人社交的速度和質(zhì)量與他人實時交談。

32

論文題目：

中文解讀：
研究內(nèi)容：延世大學的研究人員開發(fā)了多個預測 BPSD 的機器學習模型，實驗結(jié)果表明，機器學習能夠有效預測 BPSD 亞綜合癥。

33

論文題目：

中文解讀：
研究內(nèi)容：意大利那不勒斯費德里科二世大學的研究人員，提出可以檢測乳腺癌生物標志物的特征選擇 (Feature Selection) 策略，并建議將其發(fā)現(xiàn)的 20 種 microRNA 作為乳腺癌診斷性生物標志物。

34

論文題目：

中文解讀：
研究內(nèi)容：英國諾丁漢大學的研究者對比了商用 AI Lunit 與醫(yī)生閱讀乳腺 X 光片的準確率，結(jié)果顯示，Lunit 分析乳腺 X 光片的能力與人類醫(yī)師相當。

35

論文題目：

中文解讀：
研究內(nèi)容：浙江大學的研究者優(yōu)化 觸覺傳感器的設計，優(yōu)化后的傳感器能準確識別 6 種動態(tài)觸摸模式，可用于健康監(jiān)測、智能機器人、人機環(huán)境交互和虛擬/增強現(xiàn)實中。

以上就是本期匯總的 AI+醫(yī)療健康前沿論文，更多最新成果詳見：

https://github.com/hyperai/awesome-ai4s