<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>医学影像 &#8211; mylogs.cn</title>
	<atom:link href="https://mylogs.cn/tag/%E5%8C%BB%E5%AD%A6%E5%BD%B1%E5%83%8F/feed/" rel="self" type="application/rss+xml" />
	<link>https://mylogs.cn</link>
	<description>发现、记录、分享</description>
	<lastBuildDate>Tue, 29 Sep 2026 17:02:08 +0000</lastBuildDate>
	<language>zh-Hans</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	
	<item>
		<title>达摩院 DAMO RADAR 登《科学》：一个模型识别 146 种病</title>
		<link>https://mylogs.cn/%e8%be%be%e6%91%a9%e9%99%a2-damo-radar-%e7%99%bb%e3%80%8a%e7%a7%91%e5%ad%a6%e3%80%8b%ef%bc%9a%e4%b8%80%e4%b8%aa%e6%a8%a1%e5%9e%8b%e8%af%86%e5%88%ab-146-%e7%a7%8d%e7%97%85/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Fri, 18 Sep 2026 08:59:30 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[医学影像]]></category>
		<category><![CDATA[医疗AI]]></category>
		<category><![CDATA[大模型]]></category>
		<category><![CDATA[开源]]></category>
		<category><![CDATA[达摩院]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e8%be%be%e6%91%a9%e9%99%a2-damo-radar-%e7%99%bb%e3%80%8a%e7%a7%91%e5%ad%a6%e3%80%8b%ef%bc%9a%e4%b8%80%e4%b8%aa%e6%a8%a1%e5%9e%8b%e8%af%86%e5%88%ab-146-%e7%a7%8d%e7%97%85/</guid>

					<description><![CDATA[阿里巴巴达摩院与浙江大学医学院附属第一医院等机构联合研发的通用医疗影像 AI 模型 DAMO RADAR，于  [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph"><img decoding="async" style="max-width:100%;height:auto" src="https://mylogs.cn/wp-content/uploads/2026/09/ithome178_header.webp" alt="达摩院通用医疗影像 AI 模型 DAMO RADAR 概念图" title="图片来源：阿里达摩院" /></p>
<p class="wp-block-paragraph">阿里巴巴达摩院与浙江大学医学院附属第一医院等机构联合研发的通用医疗影像 AI 模型 DAMO RADAR，于 9 月 18 日登上国际顶级学术期刊《科学》（Science）。该模型面向腹部增强 CT 诊断，可一次性识别超过 146 种病症，诊断准确性首次达到影像科专家级水平，目前已正式开源。</p>
<h2 class="wp-block-heading">从「一病一模」到通用模型</h2>
<p class="wp-block-paragraph">腹部增强 CT 是临床最复杂的影像之一，单张图像里包含肝脏、胰腺、肾脏、胃肠道等数十个器官，潜在异常和病变种类多达数百种。过去医疗影像 AI 大多采用「一病一模」的思路，一个模型只解决一种疾病，训练高度依赖医生人工勾画标注，成本高、覆盖窄，难以应对真实临床中复杂多变的场景。</p>
<p class="wp-block-paragraph">DAMO RADAR 选择了一条不同的路线。研究团队采用视觉-语言学习方法（Vision-Language Learning），让模型同时学习医学影像和其对应的诊断报告文本。达摩院高级算法专家张建鹏表示，由于 CT 数据中的有效信号十分稀疏，常规的视觉-语言学习效果并不理想。为此，该项研究在国际上首次提出「器官级细粒度对齐」策略：先将三维 CT 拆解为解剖单元，在组织、器官层面让影像与报告文本精准对应，再通过自适应对比建模动态调整，无需额外人工标注即可完成可扩展、多用途、可解释的诊断。</p>
<h2 class="wp-block-heading">关键指标全面对标专家</h2>
<p class="wp-block-paragraph">最终，DAMO RADAR 覆盖了包含恶性肿瘤在内的广泛腹部病症，研究团队重点评估了其中 146 种，涉及 18 个器官。据论文披露，团队搭建的 RAD-CT 数据集包含 42.49 万份 CT 检查，生成超过 1500 万组器官级图文配对样本。</p>
<p class="wp-block-paragraph">在内部测试队列的 146 种影像发现任务中，模型 AUC 达到 0.913（AUC 是衡量区分患者与正常人能力的指标，数值越接近 1 越好）；在 8 个外部临床中心的测试中，AUC 介于 0.874 至 0.912 之间。在针对肝、胰腺、胃、结直肠的病理确认队列中，AUC 可达 0.891 至 0.984。即便面对训练时未包含的急腹症场景，模型仍保持 0.904 的高 AUC，展现出良好的泛化能力，成为首个达到专家水平的通用医学影像 AI 模型。</p>
<h2 class="wp-block-heading">人机对比：辅助而非替代</h2>
<p class="wp-block-paragraph">论文显示，DAMO RADAR 与 26 名来自多家医院的放射科医生进行了同场对比，其平均准确率超过了其中 23 名医生。更重要的是，AI 并非要替代医生看片，而是作为辅助工具：在 AI 提示下，放射科医生识别疾病的敏感性（即防漏诊能力）提高了 10%，阅片用时减少了 30% 以上，并使低年资医生达到了高年资医生的诊断水平。浙大一院放射科主任肖文波评价称，DAMO RADAR「首次实现了腹部多器官、多病种的高准确检出，能像导航一样为医生提供诊断支持」。</p>
<p class="wp-block-paragraph">达摩院长期投入医疗 AI，三年内已在《自然·医学》等顶刊发表多篇论文。此次 DAMO RADAR 的开源地址为 github.com/alibaba-damo-academy/damo-radar，相关论文 DOI 为 10.1126/science.aec6129。研究团队表示，该范式不仅可用于腹部 CT 的多病种识别，还有望拓展到其他类型的医疗影像，推动通用<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>在医疗领域的实际应用。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>巴西 AI 8 秒读皮肤照片：癌症初筛提速 90%</title>
		<link>https://mylogs.cn/%e5%b7%b4%e8%a5%bf-ai-8-%e7%a7%92%e8%af%bb%e7%9a%ae%e8%82%a4%e7%85%a7%e7%89%87%ef%bc%9a%e7%99%8c%e7%97%87%e5%88%9d%e7%ad%9b%e6%8f%90%e9%80%9f-90/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Wed, 02 Sep 2026 03:05:28 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI医疗]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[创业公司]]></category>
		<category><![CDATA[医学影像]]></category>
		<category><![CDATA[英伟达]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e5%b7%b4%e8%a5%bf-ai-8-%e7%a7%92%e8%af%bb%e7%9a%ae%e8%82%a4%e7%85%a7%e7%89%87%ef%bc%9a%e7%99%8c%e7%97%87%e5%88%9d%e7%ad%9b%e6%8f%90%e9%80%9f-90/</guid>

					<description><![CDATA[一家巴西医疗科技初创公司 AI Pathology，借助英伟达（NVIDIA）的计算平台，让医生用智能手机拍下 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">一家巴西医疗科技初创公司 AI Pathology，借助<a href="https://mylogs.cn/%e5%8f%b0%e7%a7%af%e7%94%b5-2nm-%e5%b9%b4%e5%ba%95%e6%9c%88%e4%ba%a7%e8%83%bd%e5%86%b2-12-%e4%b8%87%e7%89%87%ef%bc%8c%e6%8f%90%e5%89%8d%e4%b8%a4%e5%b9%b4%e8%be%be%e6%a0%87/">英伟达</a>（NVIDIA）的计算平台，让医生用<a href="https://mylogs.cn/iqoo-16-%e9%a6%96%e5%8f%91%e7%ac%ac%e5%85%ad%e4%bb%a3%e9%aa%81%e9%be%99-8-%e8%87%b3%e5%b0%8a%e7%89%88%ef%bc%8c5999-%e5%85%83%e8%b5%b7/"><a href="https://mylogs.cn/iqoo-15-%e9%94%80%e9%87%8f%e7%aa%81%e7%a0%b4-200-%e4%b8%87%e5%8f%b0/"><a href="https://mylogs.cn/%e8%8d%a3%e8%80%80-magic9-%e5%85%a8%e7%b3%bb%e8%8e%b7%e9%a6%96%e6%89%b9-ai-%e6%99%ba%e8%83%bd%e4%bd%93%e6%89%8b%e6%9c%ba%e8%ae%a4%e8%af%81/">智能手机</a></a></a>拍下的皮肤病灶照片在 8 秒内完成初步分析，用于辅助皮肤癌筛查。其平台 NEVO 把分诊所需时间较人工流程缩短了超过 90%，成为「用 AI 压缩医学影像分析时间」的一个具体案例。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6b031015f1080&quot;}" data-wp-interactive="core/image" data-wp-key="6b031015f1080" class="wp-block-image size-large wp-lightbox-container"><img fetchpriority="high" decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/09/inline_1788318322041.webp" alt="AI 辅助皮肤影像筛查概念图" class="wp-image-5890" srcset="https://mylogs.cn/wp-content/uploads/2026/09/inline_1788318322041.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/09/inline_1788318322041-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/09/inline_1788318322041-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/09/inline_1788318322041-768x512.webp 768w" sizes="(max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>示意图（AI 生成）</figcaption></figure>

<h2 class="wp-block-heading">NEVO 如何工作</h2>

<p class="wp-block-paragraph">NEVO 是一款基于<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>的平台，帮助医护人员更快、更准地识别可疑的皮肤癌病例，并据此对需要紧急评估的患者排定优先级。其工作方式是：先由智能手机拍摄病灶照片，再结合患者的年龄、病灶部位、既往病史等信息做综合评估。</p>

<p class="wp-block-paragraph">底层模型采用卷积神经网络（CNN），通过识别形状、纹理、颜色等特征，区分与良性或恶性相关的迹象。系统还会高亮图像中影响判读的区域，帮助医生理解 AI 给出的结论。官方明确，该工具定位为「辅助」而非「替代」医生，主要用于初筛与分诊，提示哪些病例需要进一步做活检等详细检查。</p>

<h2 class="wp-block-heading">实测数据</h2>

<p class="wp-block-paragraph">根据 AI Pathology 披露的数据：单张临床图像可在 8 秒内完成评估，分诊时间较人工流程减少超过 90%；对可疑恶性及恶性病灶的识别准确率超过 94%；每小时可处理 400 张以上图像。在约 7 个月的时间里，该方案为医疗团队「归还」了 995 小时的工作量。</p>

<p class="wp-block-paragraph">支撑这一性能的，是英伟达面向 AI 模型开发与部署的 CUDA、cuDNN、TensorRT 等技术，用于加速数据处理并支撑大规模推理。</p>

<h2 class="wp-block-heading">落地与边界</h2>

<p class="wp-block-paragraph">该平台被设计为适配医院与诊所的既有流程，支持本地或云端部署，可与机构现有系统对接。目前，AI Pathology 正与医院、实验室、公共机构及化妆品企业开展概念验证，未来计划扩展到更多皮肤病种，并构建面向个性化随访的 AI 辅助网络。</p>

<p class="wp-block-paragraph">在责任边界上，公司强调合规与辅助定位，不替代临床判断。对中国读者而言，国内医疗资源分布不均，类似的 AI 影像初筛在基层分诊、皮肤疾病早筛方面也有明确的应用空间；本土已有不少企业在医学影像 AI 领域取得进展，方向与此一致。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>活着也能查脑创伤：新型PET显影剂见曙光</title>
		<link>https://mylogs.cn/%e6%b4%bb%e7%9d%80%e4%b9%9f%e8%83%bd%e6%9f%a5%e8%84%91%e5%88%9b%e4%bc%a4%ef%bc%9a%e6%96%b0%e5%9e%8bpet%e6%98%be%e5%bd%b1%e5%89%82%e8%a7%81%e6%9b%99%e5%85%89/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Sun, 30 Aug 2026 04:56:00 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[医学影像]]></category>
		<guid isPermaLink="false">https://mylogs.cn/%e6%b4%bb%e7%9d%80%e4%b9%9f%e8%83%bd%e6%9f%a5%e8%84%91%e5%88%9b%e4%bc%a4%ef%bc%9a%e6%96%b0%e5%9e%8bpet%e6%98%be%e5%bd%b1%e5%89%82%e8%a7%81%e6%9b%99%e5%85%89/</guid>

					<description><![CDATA[慢性创伤性脑病是一种与反复头部撞击相关的神经退行性疾病，长期困扰着接触性运动运动员、退伍军人、家庭暴力受害者以 [&#8230;]]]></description>
										<content:encoded><![CDATA[<p class="wp-block-paragraph">慢性创伤性脑病是一种与反复头部撞击相关的神经退行性疾病，长期困扰着接触性运动运动员、退伍军人、家庭暴力受害者以及有过脑外伤经历的人群。它的典型表现包括认知衰退、情绪障碍、冲动和痴呆。过去，这种病只能在患者去世后才能通过脑内 tau 蛋白斑块确诊。如今，一种新型显影剂让&#8221;生前诊断&#8221;迈出了关键一步。</p>

<h2 class="wp-block-heading">只能在死后确诊的困境</h2>

<p class="wp-block-paragraph">慢性创伤性脑病的核心病理，是异常堆积在大脑中的 tau 蛋白。现有的 tau 显影剂大多针对阿尔茨海默病开发，未必能准确识别慢性创伤性脑病特有的 tau 病理。因此，临床上长期缺乏一种能在患者生前确认疾病的生物标志物，这既限制了照护，也阻碍了药物研发——研究者无法判断哪些人真正患病、病情如何进展。</p>

<h2 class="wp-block-heading">一种靶向 tau 的新显影剂</h2>

<p class="wp-block-paragraph">在美国核医学与分子影像学会（SNMMI）2026 年年会上，研究人员报告了一种名为 18F-OXD-2314 的新型 tau 显影剂。这是一种&#8221;首例&#8221;级别的 PET（正电子发射断层扫描）示踪剂，能够准确识别与慢性创伤性脑病相关的 tau 病理。研究由多伦多成瘾与精神健康中心脑健康影像中心的资深科学家、副主任伊莎贝尔·布瓦洛（Isabelle Boileau）领衔，合作方包括多伦多大学与麦克马斯特大学。</p>

<p class="wp-block-paragraph">研究纳入 3 名疑似患有该病的退役接触性运动运动员（平均 61 岁）和 7 名健康对照（平均 63 岁）。受试者注射约 190 兆贝可的 18F-OXD-2314 后，接受了时长约 120 分钟的动态脑部 PET 扫描，并配合核磁共振确定感兴趣区域。团队还在死后慢性创伤性脑病组织中做了补充研究。</p>

<h2 class="wp-block-heading">关键发现</h2>

<p class="wp-block-paragraph">与健康的对照相比，疑似患者的图像在灰白质交界区和白质中显示出 18F-OXD-2314 摄取升高。更重要的是，在全部接受检验的死后慢性创伤性脑病样本中，都观察到了 3H-OXD-2314 的结合信号，初步从生物学层面证实了这种显影剂能够结合该病特有的 tau 病理。布瓦洛表示，若经后续研究验证，18F-OXD-2314 有望成为第一种准确的&#8221;生前诊断&#8221;生物标志物；它还可能为 PET 在脑外伤、以及运动与军事相关的神经退行性疾病中确立临床角色，并催生针对非阿尔茨海默型 tau 蛋白病的下一代显影剂。</p>

<p class="wp-block-paragraph">她也提醒，这种显影剂仍处于早期临床研究阶段，但现有数据&#8221;非常有希望&#8221;，面向患者的 PET 检查&#8221;最快未来两年内&#8221;有望出现，但仍需进一步研究。</p>

<h2 class="wp-block-heading">局限与意义</h2>

<p class="wp-block-paragraph">这项研究的样本很小——仅 3 名患者与 7 名对照，团队也承认，还需弄清观察到的信号究竟反映慢性创伤性脑病相关的 tau，还是疾病的其他方面。下一步需要更大规模队列、与既有标志物的对比以及临床相关性验证。</p>

<p class="wp-block-paragraph">从更广的视角看，慢性创伤性脑病虽因美式橄榄球而广为人知，却并非某项运动独有：足球、拳击、综合格斗等任何有反复头部撞击的接触性运动，都让从业者在多年间累积微创伤。一种可靠的生前检测手段，将直接影响运动医学与公共卫生——它可以帮助医生评估风险、追踪病程，并在症状变得严重之前，为合适的患者筛选参与临床试验。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6b031015f222c&quot;}" data-wp-interactive="core/image" data-wp-key="6b031015f222c" class="wp-block-image size-large wp-lightbox-container"><img decoding="async" width="800" height="600" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/1a8b1d9e3f_header.webp" alt="研究使用的脑部 PET 参数图对比" class="wp-image-5661" srcset="https://mylogs.cn/wp-content/uploads/2026/08/1a8b1d9e3f_header.webp 800w, https://mylogs.cn/wp-content/uploads/2026/08/1a8b1d9e3f_header-300x225.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/1a8b1d9e3f_header-768x576.webp 768w" sizes="(max-width: 800px) 100vw, 800px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>图片来源：美国核医学与分子影像学会（SNMMI）</figcaption></figure>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI 借乳腺 X 光片：顺带筛查女性心脏病</title>
		<link>https://mylogs.cn/ai-%e5%80%9f%e4%b9%b3%e8%85%ba-x-%e5%85%89%e7%89%87%ef%bc%9a%e9%a1%ba%e5%b8%a6%e7%ad%9b%e6%9f%a5%e5%a5%b3%e6%80%a7%e5%bf%83%e8%84%8f%e7%97%85/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Fri, 28 Aug 2026 04:55:28 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI 医疗]]></category>
		<category><![CDATA[医学影像]]></category>
		<category><![CDATA[心脏病]]></category>
		<category><![CDATA[机器学习]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai-%e5%80%9f%e4%b9%b3%e8%85%ba-x-%e5%85%89%e7%89%87%ef%bc%9a%e9%a1%ba%e5%b8%a6%e7%ad%9b%e6%9f%a5%e5%a5%b3%e6%80%a7%e5%bf%83%e8%84%8f%e7%97%85/</guid>

					<description><![CDATA[一检两用成为可能 《卫报》（The Guardian）健康版编辑 Andrew Gregory 8 月 27  [&#8230;]]]></description>
										<content:encoded><![CDATA[<h2 class="wp-block-heading">一检两用成为可能</h2>

<p class="wp-block-paragraph">《卫报》（The Guardian）健康版编辑 Andrew Gregory 8 月 27 日发自慕尼黑报道，一项研究显示，本用于筛查乳腺癌的常规乳腺 X 光片，经<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>分析后，或可同时发现女性的心血管疾病。研究团队来自以色列，由特拉维夫大学（Tel Aviv University）的 Viana Copeland 医生牵头，成果在欧洲心脏病学会（European Society of Cardiology）年度大会上公布——这是全球规模最大的心脏医学会议。</p>

<h2 class="wp-block-heading">样本与准确率</h2>

<p class="wp-block-paragraph">研究覆盖 29,921 名女性、共 97,364 张乳腺扫描，平均年龄 54 岁。结合医疗记录，其中 16% 患有高血压，2.5% 患有冠心病，2.5% 曾中风。机器学习模型仅凭乳腺片，识别中风的可靠率达 86%，高血压 79%，冠心病 78%，且不受年龄或是否并发癌症影响。目前模型已训练完成，团队正继续提升准确率、减少误报，并扩充可识别的心脏病情种类。</p>

<h2 class="wp-block-heading">为什么有意义</h2>

<p class="wp-block-paragraph">心血管疾病是全球女性头号死因，却长期被低估、漏诊、治疗不足。Copeland 指出，女性就医时心血管病往往已到晚期；但很多人会定期参加乳腺癌筛查，即便没有心血管症状。「乳腺摄影还能触达大量中年女性，正是识别与管理心血管风险的关键窗口，」她说。欧洲心脏病学会的 Elena Arbelo 表示，乳腺片未来或许不仅看乳腺癌，也能打开一扇观察心血管健康的窗；「难点在于确立准确性与可靠性，从实验走向临床落地。」</p>

<p class="wp-block-paragraph">英国心脏基金会顾问心脏病专家 Sonya Babu-Narayan 认为，若这项来自以色列的大规模研究进一步被证实，乳腺癌筛查项目有望「一检两用」，在发现乳腺癌的同时，标记出心血管病高风险女性，从而实现更早的发现与预防。</p>

<figure data-wp-context="{&quot;imageId&quot;:&quot;6b031015f2e3f&quot;}" data-wp-interactive="core/image" data-wp-key="6b031015f2e3f" class="wp-block-image size-large wp-lightbox-container"><img decoding="async" width="1400" height="1120" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/aa66fe145a75b33e4cda1cd14bfdf826_header.webp" alt="医生在灯箱上查看乳腺 X 光片" class="wp-image-5541" srcset="https://mylogs.cn/wp-content/uploads/2026/08/aa66fe145a75b33e4cda1cd14bfdf826_header.webp 1400w, https://mylogs.cn/wp-content/uploads/2026/08/aa66fe145a75b33e4cda1cd14bfdf826_header-300x240.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/aa66fe145a75b33e4cda1cd14bfdf826_header-1024x819.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/aa66fe145a75b33e4cda1cd14bfdf826_header-768x614.webp 768w" sizes="(max-width: 1400px) 100vw, 1400px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>图片来源：The Guardian（摄影：andresr / Getty Images）</figcaption></figure>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI 不会取代放射科医生，但会改写这份工作</title>
		<link>https://mylogs.cn/ai-%e4%b8%8d%e4%bc%9a%e5%8f%96%e4%bb%a3%e6%94%be%e5%b0%84%e7%a7%91%e5%8c%bb%e7%94%9f%ef%bc%8c%e4%bd%86%e4%bc%9a%e6%94%b9%e5%86%99%e8%bf%99%e4%bb%bd%e5%b7%a5%e4%bd%9c/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Tue, 25 Aug 2026 16:54:34 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI医疗]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[医学影像]]></category>
		<category><![CDATA[放射科]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai-%e4%b8%8d%e4%bc%9a%e5%8f%96%e4%bb%a3%e6%94%be%e5%b0%84%e7%a7%91%e5%8c%bb%e7%94%9f%ef%bc%8c%e4%bd%86%e4%bc%9a%e6%94%b9%e5%86%99%e8%bf%99%e4%bb%bd%e5%b7%a5%e4%bd%9c/</guid>

					<description><![CDATA[2016 年，图灵奖得主、被誉为「AI 教父」的杰弗里·辛顿曾预测，放射科医生——那些读 X 光、超声等影像帮 [&#8230;]]]></description>
										<content:encoded><![CDATA[<figure data-wp-context="{&quot;imageId&quot;:&quot;6b031015f3970&quot;}" data-wp-interactive="core/image" data-wp-key="6b031015f3970" class="wp-block-image size-large wp-lightbox-container"><img loading="lazy" decoding="async" width="1536" height="1024" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/08/6ba14bc6f0da7bdeb64aa8c4019ddc8d_header.webp" alt="医学影像与人工智能辅助诊断示意图" class="wp-image-5426" srcset="https://mylogs.cn/wp-content/uploads/2026/08/6ba14bc6f0da7bdeb64aa8c4019ddc8d_header.webp 1536w, https://mylogs.cn/wp-content/uploads/2026/08/6ba14bc6f0da7bdeb64aa8c4019ddc8d_header-300x200.webp 300w, https://mylogs.cn/wp-content/uploads/2026/08/6ba14bc6f0da7bdeb64aa8c4019ddc8d_header-1024x683.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/08/6ba14bc6f0da7bdeb64aa8c4019ddc8d_header-768x512.webp 768w" sizes="auto, (max-width: 1536px) 100vw, 1536px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption>示意图（AI 生成）</figcaption></figure>

<p class="wp-block-paragraph">2016 年，图灵奖得主、被誉为「AI 教父」的杰弗里·辛顿曾预测，放射科医生——那些读 X 光、超声等影像帮助诊断的医生——将在五年内被计算机取代。十年过去，这件事没有发生。</p>

<h2 class="wp-block-heading">预言为何没成真</h2>

<p class="wp-block-paragraph">放射科不仅没消失，队伍还在稳步扩张。一项研究预计，未来三十年放射科从业者数量将增长 26% 以上。辛顿看错的地方，或许在于他低估了就业市场的复杂性；但他前瞻的部分同样成立——人类医生身边，已经多了一位硅基同事，其表现不输甚至超过人类。</p>

<p class="wp-block-paragraph">截至 2026 年初，美国食品药品监督管理局（FDA）已准入约 1400 款 AI 赋能的医疗器械，其中约四分之三是放射类。有的帮医生起草报告、标记急需处理的影像；有的则能识别人眼可能遗漏的异常。例如一项涵盖 43 项临床试验的分析得出结论：AI 辅助结肠镜比传统方式发现更多息肉。</p>

<h2 class="wp-block-heading">人机和还是人机斗</h2>

<p class="wp-block-paragraph">但难题不在「谁更准」，而在「怎么合作」。斯坦福大学医学与影像<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>中心主任柯蒂斯·兰洛茨指出，即便 AI 平均比资深放射科医生更可靠，它仍会犯人类不会犯的错，医生因此要逐一评估 AI 的判断——绝大多数正确，但要揪出极少数误判。圣犹大儿童研究医院的保罗·易形容，这要求医生「整套思维重新接线」。</p>

<p class="wp-block-paragraph">更麻烦的是，放射 AI 多基于神经网络，常被称作「黑箱」——它不解释自己如何得出结论，这让医生判断是否推翻它变得格外困难。《Radiology: Artificial Intelligence》主编查尔斯·卡恩直言，分辨「这到底是不是异常」，对医生是真正的挑战。</p>

<p class="wp-block-paragraph">风险有两个方向：过度相信机器叫自动化偏倚；轻信机器的「假阴性」叫自动化自满。有研究发现，当资深放射科医生的判断被错误的 AI 预测带着走时，其乳腺 X 光解读准确率会出现明显下滑。2026 年美国医学会一项调查显示，超过四分之一的医生表示没接受过任何 AI 培训，仅 11% 表示受过大量培训。</p>

<h2 class="wp-block-heading">中国也在跑步入场</h2>

<p class="wp-block-paragraph">这场「人机协作」的竞赛不限于美国。中国国家药监局（NMPA）截至 2025 年 10 月已批准超过 110 款基于深度学习的第三类医疗器械独立软件，覆盖 CT、X 射线、眼底等影像；联影智能、推想医疗、数坤科技、依图医疗等本土企业手握其中多数准入。兰洛茨近十年前的那句反驳，今天依然适用：不会被 AI 取代的是放射科医生，「会用 AI 的医生，会取代不会用的同行」。</p>]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>AI 成为英国肺癌诊断的&#8221;第二双眼睛&#8221;：2029 年覆盖所有 NHS 医院</title>
		<link>https://mylogs.cn/ai-%e6%88%90%e4%b8%ba%e8%8b%b1%e5%9b%bd%e8%82%ba%e7%99%8c%e8%af%8a%e6%96%ad%e7%9a%84%e7%ac%ac%e4%ba%8c%e5%8f%8c%e7%9c%bc%e7%9d%9b%ef%bc%9a2029-%e5%b9%b4%e8%a6%86%e7%9b%96%e6%89%80%e6%9c%89-nhs/</link>
		
		<dc:creator><![CDATA[steve, zhang]]></dc:creator>
		<pubDate>Fri, 24 Jul 2026 07:26:01 +0000</pubDate>
				<category><![CDATA[科技]]></category>
		<category><![CDATA[AI]]></category>
		<category><![CDATA[人工智能]]></category>
		<category><![CDATA[医学影像]]></category>
		<category><![CDATA[医疗AI]]></category>
		<category><![CDATA[放射科]]></category>
		<guid isPermaLink="false">https://mylogs.cn/ai-%e6%88%90%e4%b8%ba%e8%8b%b1%e5%9b%bd%e8%82%ba%e7%99%8c%e8%af%8a%e6%96%ad%e7%9a%84%e7%ac%ac%e4%ba%8c%e5%8f%8c%e7%9c%bc%e7%9d%9b%ef%bc%9a2029-%e5%b9%b4%e8%a6%86%e7%9b%96%e6%89%80%e6%9c%89-nhs/</guid>

					<description><![CDATA[英格兰的肺癌诊断正在引入人工智能作为放射科医生的&#8221;第二双眼睛&#8221;。根据英国政府的计划，这 [&#8230;]]]></description>
										<content:encoded><![CDATA[
<p class="wp-block-paragraph">英格兰的肺癌诊断正在引入<a href="https://mylogs.cn/chatgpt-pro-%e9%87%8d%e5%bc%80-200-%e7%be%8e%e5%85%83%e6%a1%a3%ef%bc%9aapi-%e4%bb%b7%e5%80%bc%e8%bf%91%e7%bf%bb%e5%80%8d/"><a href="https://mylogs.cn/%e8%85%be%e8%ae%af%e5%86%85%e6%b5%8b-ai-%e6%b8%b8%e6%88%8f%e6%90%ad%e5%ad%90%e9%b9%85%e6%ac%a1%e5%85%83%ef%bc%9a%e6%95%b0%e5%ad%97%e4%ba%ba%e9%99%aa%e4%bd%a0%e5%bc%80%e9%bb%91/">人工智能</a></a>作为放射科医生的&#8221;第二双眼睛&#8221;。根据英国政府的计划，这套 AI X 光辅助工具将在 2029 年前推广至英格兰所有 NHS 信托机构，目前已有超过 400 万人因此获得了更快的确诊或排除结果。</p>



<figure data-wp-context="{&quot;imageId&quot;:&quot;6b03101600753&quot;}" data-wp-interactive="core/image" data-wp-key="6b03101600753" class="wp-block-image size-large aligncenter wp-lightbox-container"><img loading="lazy" decoding="async" width="1200" height="821" data-wp-class--hide="state.isContentHidden" data-wp-class--show="state.isContentVisible" data-wp-init="callbacks.setButtonStyles" data-wp-on--click="actions.showLightbox" data-wp-on--load="callbacks.setButtonStyles" data-wp-on--pointerdown="actions.preloadImage" data-wp-on--pointerenter="actions.preloadImageWithDelay" data-wp-on--pointerleave="actions.cancelPreload" data-wp-on-window--resize="callbacks.setButtonStyles" src="https://mylogs.cn/wp-content/uploads/2026/07/380dbba794a218dc8c7e75874dfbb3a4_header.webp" alt="AI 成为英国肺癌诊断的" class="wp-image-776" style="max-width:100%;height:auto" srcset="https://mylogs.cn/wp-content/uploads/2026/07/380dbba794a218dc8c7e75874dfbb3a4_header.webp 1200w, https://mylogs.cn/wp-content/uploads/2026/07/380dbba794a218dc8c7e75874dfbb3a4_header-300x205.webp 300w, https://mylogs.cn/wp-content/uploads/2026/07/380dbba794a218dc8c7e75874dfbb3a4_header-1024x701.webp 1024w, https://mylogs.cn/wp-content/uploads/2026/07/380dbba794a218dc8c7e75874dfbb3a4_header-768x525.webp 768w" sizes="auto, (max-width: 1200px) 100vw, 1200px" /><button
			class="lightbox-trigger"
			type="button"
			aria-haspopup="dialog"
			data-wp-bind--aria-label="state.thisImage.triggerButtonAriaLabel"
			data-wp-init="callbacks.initTriggerButton"
			data-wp-on--click="actions.showLightbox"
			data-wp-style--right="state.thisImage.buttonRight"
			data-wp-style--top="state.thisImage.buttonTop"
		>
			<svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" fill="none" viewBox="0 0 12 12">
				<path fill="#fff" d="M2 0a2 2 0 0 0-2 2v2h1.5V2a.5.5 0 0 1 .5-.5h2V0H2Zm2 10.5H2a.5.5 0 0 1-.5-.5V8H0v2a2 2 0 0 0 2 2h2v-1.5ZM8 12v-1.5h2a.5.5 0 0 0 .5-.5V8H12v2a2 2 0 0 1-2 2H8Zm2-12a2 2 0 0 1 2 2v2h-1.5V2a.5.5 0 0 0-.5-.5H8V0h2Z" />
			</svg>
		</button><figcaption class="wp-element-caption">AI生成配图</figcaption></figure>





<h2 class="wp-block-heading">从萨里试点到全国推广</h2>



<p class="wp-block-paragraph">这一项目属于英国政府 2000 万英镑国家投资的一部分，目前已在英格兰半数 NHS 信托机构中部署。萨里皇家 NHS 基金会信托的 AI 与数字化经理迈克·琼斯（Mike Jones）表示，AI 正在填补传统诊断流程中的&#8221;空白&#8221;：&#8221;一名人类医生不可能每天看完 800 张 X 光片，并判断哪一张最危急。AI 可以承担这部分工作，这是人类无法替代的。&#8221;</p>



<p class="wp-block-paragraph">该技术目前已在萨里地区用于加速癌症诊断。它不仅是辅助工具，更是被设计成优先排序和临床决策支持的双重角色。</p>



<h2 class="wp-block-heading">两大核心功能：排序与决策支持</h2>



<p class="wp-block-paragraph">琼斯介绍，这套 AI 方案有两个核心功能。其一是优先排序：过去 X 光片按时间顺序出报告，如今 AI 会预先读取影像，把最可能异常的病例移到队列最前面。其二是决策支持：AI 读取影像后会高亮显示可疑发现，为医院工作人员提供参考。</p>



<p class="wp-block-paragraph">&#8220;患者能得到两全其美的结果——既有 AI 的初读，又保留人类医生的最终判断权。&#8221;琼斯在接受 BBC Radio Surrey 采访时说，&#8221;如果医生不同意 AI 的判断，他们可以完全自主地覆盖 AI 报告，或者把两者结合，写出最符合实际情况的报告。&#8221;</p>



<h2 class="wp-block-heading">数据与速度：平均诊断时间减半</h2>



<p class="wp-block-paragraph">肺癌是英国最大的癌症杀手。英国政府表示，每年 NHS 要进行超过 700 万次胸部 X 光检查，这是诊断肺癌最重要的工具之一。早期数据显示，借助该技术，放射科医生分析 X 光片的平均时间从过去复杂病例的 8 天缩短到 4 天。</p>



<p class="wp-block-paragraph">这意味着更多患者有望在 GP 转诊后的 62 天内开始治疗，符合英国国家癌症计划的等待时间标准。</p>



<h2 class="wp-block-heading">官方立场：AI 是补充，不是取代</h2>



<p class="wp-block-paragraph">英国负责数字化和现代化政府事务的部长伊恩·默里（Ian Murray）强调，AI 不是取代临床医生，而是补充人类判断。&#8221;我们刚刚看到一个例子：有人因中风被诊断，AI 把诊断时间从 60 分钟缩短到 3 分钟。这 57 分钟的差距对患者生存、康复和治疗路径都至关重要。&#8221;他说。</p>



<p class="wp-block-paragraph">卫生与社会保健部政务次官普里特·考尔·吉尔（Preet Kaur Gill）则表示，采纳这项技术是关键：&#8221;我们必须确保 NHS 信托机构能够支持员工采用这些即将到来的技术，这才是真正具有变革性的地方。&#8221;</p>



<h2 class="wp-block-heading">前景与挑战</h2>



<p class="wp-block-paragraph">琼斯的判断很直接：&#8221;会有更多肺癌患者存活下来，因为我们能更早发现癌症。&#8221; 但这项技术的推广也面临实际挑战：不同医院的数据治理能力、医生的培训、以及如何在临床流程中安全地嵌入 AI 决策，都是全国铺开前需要解决的问题。</p>



<p class="wp-block-paragraph">如果 2029 年的目标如期实现，这将是英国医疗系统最大规模的 AI 影像辅助诊断部署之一，也为其他国家和地区的类似项目提供了参考样本。</p>

]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
