香港科技大学（下称“港科大”）于10月31日宣布，已成功研发四大AI医学大模型。这批AI医学大模型旨在协助全科及专科医生诊症，能为多达30 种癌症及疾病提供诊断和预后评估，部分模型的准确度可与拥有5年或以上经验的专业医疗人员媲美。

港科大介绍，四大模型包括：

• MOME（乳癌诊断）是首个以大模型方式分析多参数磁力共振（MRI）影像的AI模型，针对乳癌诊断而设。乳癌是香港女性最常见的癌症之一，该模型能助医生分析病人的乳房MRI，辅助他们快速区分乳房肿瘤属良性或恶性，从而尽量避免病人进行不必要的病理穿刺化验。此外，此AI模型更能预测患者对化疗的反应，为病人制定适合的治疗方案。系统的准确度能与具有5年或以上经验的放射科医生相媲美，对为病人开创非入侵性及个人化的治疗管理有莫大帮助。

• mSTAR（病理辅助工具）是世界领先的病理学基础模型之一。病理检查是世界认可诊断癌症的「黄金标准」，然而，撰写病理报告的过程非常耗时，且容易出错，mSTAR模型正是为改善此一流程而建构。与一般模型不同，mSTAR并非将整张切片分割及独立分析，而是将整幅病理全景影像作分析，并引入多模态知识增强识别能力，有助病理学家执行多达40 项诊断和预后任务，减低病理分析所需的时间，并提升诊断的准确性。

• MedDr (全科) 如同一位AI 全科医生。该多模态语言模型犹如医学界的「GPT」，能解答问题、撰写医疗报告，并根据医学图像为病人作初步诊断等，为目前全科医学中最具规模的开源软件，有助医生做出快速、准确及可靠的诊断。在上海人工智能实验室近日进行的一项评测中，MedDr被评为全球同类模型中性能最佳的AI系统之一。

• XAIM（可解释的人工智能）是一个创新的AI框架，用于剖析各个AI医学系统如何作出决策，以提升医疗人员对AI模型的信任度。虽然当前不少AI系统准确度甚高，但透明度依然惹人疑虑。XAIM能为系统的诊断结果，提供图像及文字解释，提升医疗人员对系统分析结果原由的理解。

该研究由港科大的人工智能运算设施提供算力支持。领导研究的港科大计算机科学及工程学系助理教授陈浩指出，单单其中一个针对病理学而设的 AI 基础模型，就曾处理逾1.6亿张医学图像，涵盖32个癌症类别。

陈浩教授表示，在目前的成功基础上，团队正在研发一系列针对不同临床任务的AI系统，包括精准肿瘤学和计算机辅助介入等医疗工作。同时，将继续收集更多数据进行训练，以不断优化现有的AI模型。