医疗影像

general · First seen 2026-05-22 · Last seen 2026-10-23 · 5 mentions

Overview

医疗影像是指通过X光、CT、MRI等成像技术获取人体内部信息,并越来越多地借助人工智能进行辅助诊断的技术领域。目前该领域正沿着三条主线快速演进:底层专用芯片、通用大模型,以及医疗影像服务的规模化扩张。

医疗影像 AI 的近期进展

  • 专用芯片突破算力瓶颈:2025年,富士胶片、GE 医疗等五方联合承接日本 NEDO 项目,共同开发 2nm 工艺的医疗影像 AI 推理芯片,目标是在影像设备端实现低功耗实时推理,减少对云端算力的依赖。这被视为硬件层面支持医疗影像 AI 落地的重要信号,详见 富士胶片、GE 医疗等五方承接 NEDO 项目,开发 2nm 医疗影像 AI 推理芯片。
  • 通用大模型走向开源:阿里达摩院开源了全球首个专家级通用医疗影像 AI 模型 DAMO RADAR,可一次性识别超过 146 种病症,覆盖多模态影像。这类通用模型的 open 策略可能改变以往单病种、单任务专用模型占主导的开发格局,详见 阿里达摩院开源全球首个专家级通用医疗影像AI模型DAMO RADAR。
  • 服务网络加速扩张:2025年,美国影像服务商 ScanCom 完成 2.2 亿美元融资,用于扩建美国最大的医疗影像网络。资本向影像服务基础设施集中,反映出市场需求从诊断算法延伸到检查可及性本身,详见 ScanCom获2.2亿美元扩建美国最大医疗影像网络。
  • 学术研究聚焦可解释性与隐私:多项 arXiv 研究显示,ViT 架构在宫颈癌分类任务上达到 95% 准确率且具备可解释性(ViT优化宫颈癌分类);CG-HAF 框架通过全局-局部特征融合实现痤疮严重程度分级(CG-HAF);FedDRAW 则探索联邦学习下的声誉加权机制,以在数据不出院的前提下协同训练模型(FedDRAW)。
  • 当前焦点与观察点

    医疗影像 AI 的争议主要集中在三处:一是通用大模型与单病种专用模型谁能真正进入临床工作流;二是模型可解释性如何满足监管审批要求,尤其是病灶判定依据能否被医生核验;三是联邦学习等多机构协作方案能否在保护隐私的同时保持模型性能。

    值得关注的观察点包括:2nm 推理芯片的量产进度及其对影像设备一体化的影响;DAMO RADAR 等开源模型在真实多中心数据上的泛化表现;以及影像服务网络扩张与放射科医生供给之间的缺口是否进一步拉大。

    Coverage

    6 on file