华纳公司上分客服：181.8388.9931

当前，医疗AI模型曾经足够强大，可完成单个器官疾病辨认，辅助医生停止诊断，但在完成多个器官的精准辨认时遇到较大应战，一是过高的假阳性问题，二是存在一定概率的漏诊，这关于癌症多发病人的诊疗尤为重要。

为防止错诊与漏诊，放射科医生通常对全身的多器官停止多疾病的检测和诊断。因而，医生在临床治疗上迫切需求一个更高效的多癌统一诊断模型。

针对上述痛点，达摩院医疗AI团队结合中山大学肿瘤防治中心、四川省肿瘤医院、浙大隶属第一医院、盛京医院、广东省人民医院等单位，提出了一个统一的多癌影像剖析通用模型（cancerUniT），以Mask Transformer语义分割为根底，处理多种肿瘤图像此前难以统一检测、分割和诊断的问题，适用于八种主流的高发高致死癌症（肺、结直肠、肝、胃、乳腺、食管、胰腺、肾）以及相关器官中的肿瘤子类型。

多癌问题的复杂性主要表现在器官、恶性肿瘤和其他肿瘤类型之间存在许多关联性。例如，肝癌和肝囊肿虽都位于肝脏内，但在纹理和良恶性方面存在差别；而肝癌和胰腺癌虽形态类似，但却是分属不同器官的恶性癌症。

为了有效建模多癌之间的差别和类似性，达摩院医疗AI团队借助Transformer提出了一种新颖的肿瘤表示学习办法，将肿瘤表示为Transformer中的语义Query，并为不同器官中肿瘤及其子类型树立语义层次构造，让模型学习过程愈加有效，并进步肿瘤及其子类型预测的分歧性，完成同时输出分割、检测和诊断的预测，从而处理临床上复杂的多癌多肿瘤的辨认任务。

在一组631名患者的比照测试中，其肿瘤检测、分割和诊断任务的性能均优于8个特定器官的单模型组合，检测任务的均匀敏理性到达93%，均匀特异性到达82%。

阿里达摩院医疗AI团队担任人、IEEE Fellow吕乐以为，该工作以统一模型初次完成“一次调用即诊断八种最致命的癌症”，在简化AI模型复杂度的同时，坚持较高的敏感度。这将为放射科医生提供全面的AI辅助诊断支持，特别在癌症复发、远端转移等临床场景发挥重要功效。

据理解，该模型的论文成果已被计算机视觉顶会ICCV 2023收录，目前已在上海市第一人民医院等多家协作医院停止应用测试。

达摩院医疗AI团队长期努力于医学影像等方向研讨，正在研发包括范围筛查、精准诊断、预后治疗、响应评价在内的全流程的癌症诊疗技术，掩盖多个重要病种。该团队曾在新冠疫情初期研发出CT影像新冠肺炎AI辅助诊断系统，被科技部评为全国科技抗疫先进集体。