医生在搞医学影像分析的时候，要是想让AI帮把手，以前得靠自己在影像上圈出病灶位置来教它。这种办法既费时间又费精力，搞得医学影像AI想大规模铺开很难。最近，中国科学院深圳先进技术研究院提出了一个叫AFLoc的新模型，它的好处就是把AI直接丢进去“自学”，完全不需要医生先画好圈圈。 咱们以前训练AI，其实就是让它背标准答案。而AFLoc呢，就像一个聪明学生，看着报告读文章，自己就能琢磨懂影像里的门道。研究人员让AI同时看两部分东西：一个是影像本身，比如胸片、眼底照片这些；另一个是医生写的临床报告。它不停地这么对照着学，慢慢就知道报告里的病名和影像里哪个部位对应了。时间一长，哪怕没人画圈标出来，它也能凭几句话在片子上找到最可能的病灶位置。 他们在胸片、眼底影像和组织病理图像这三种常见影像里验证了一下。在胸片实验里，AFLoc针对肺炎、胸腔积液、气胸这些34种常见病的病灶定位效果比老方法好多了，有些病的表现甚至超过了人眼识别的水平。在眼底和病理影像上它也很稳，能把病变区域清清楚楚找出来。 更厉害的是，哪怕没见过别人标注过的数据（也就是所谓的“零样本”测试），AFLoc照样表现出色。在好几项测试里，它的成绩甚至比那些靠着一大堆人工标注数据练出来的模型还要强。这就说明以后搞医学影像AI不再非要有大量“手工画圈”的数据不可了，只要有影像跟报告，AI自己就能越练越强。这既省钱又让模型更容易在不同医院、不同设备间迁移用起来。 责任编辑：宋同舟 这份研究成果说明医学影像AI找到了一条新路子：有了报告就能学会自学。这不仅能大大降低研发成本，还能让模型更灵活地应对各种真实情况，大大提升了实用性。团队表示接下来还要进一步把这项技术用到实际看病中去试试水，看看能不能帮医生更好地做诊断和筛查。