2024 年醫(yī)療 AI 突破盤點，精選 35 篇不可錯過的前沿論文

過去幾年，以英偉達、谷歌為首的科技巨頭紛紛表達對 AI 醫(yī)療的重視，近千億元資金被砸進該賽道，醫(yī)療領域也成為 AI 應用最廣、成效最明顯的領域之一。
在即將過去的 2024 年期間，研究人員們構建醫(yī)學大模型，用 AI 分割醫(yī)學圖像/視頻、診斷糖尿病、帕金森病、乳腺癌、肺癌、卵巢癌、冠心病、抑郁癥以及胃病等，同時探索識別 RNA 病毒的深度學習技術。AI 正以前所未有的速度重塑醫(yī)療健康行業(yè)面貌，優(yōu)化患者的就醫(yī)體驗。

繼上期匯總 26 篇最值得關注的 AI+材料化學論文后，本期文章，HyperAI超神經(jīng)聚焦 AI 在醫(yī)療健康領域的研究，為大家精選了 2023—2024 年期間解讀的 35 篇前沿論文，點擊下方論文題目或中文解讀，即可跳轉論文解讀頁面，希望對您有所幫助。
01 論文題目：Unified Medical Image Pre-training in Language-Guided Common Semantic Space, 2024.07

中文解讀：入選ECCV 2024！浙江大學聯(lián)合微軟亞洲研究院提出統(tǒng)一醫(yī)學圖像預訓練框架UniMedI，打破醫(yī)學數(shù)據(jù)異構化藩籬
研究內容：浙江大學聯(lián)合微軟亞洲研究院提出了一種全新的統(tǒng)一醫(yī)學圖像預訓練框架 UniMedI。它利用診斷報告作為公共語義空間，可為不同模態(tài)的醫(yī)學圖像創(chuàng)建統(tǒng)一的表示，成功整合了 2D 和 3D 圖像，使復雜的醫(yī)學數(shù)據(jù)被更好地利用。
02 論文題目：Imitating and exploring human brain’s resting and task-performing states via resembling brain computing: scaling and architecture, 2024.05

中文解讀：全球首個！復旦大學馮建峰團隊開發(fā)數(shù)字孿生腦平臺，具備 860 億神經(jīng)元規(guī)模

研究內容：復旦大學類腦智能科學與技術研究院發(fā)布數(shù)字孿生腦平臺，這是國際上首個基于數(shù)據(jù)同化方法開發(fā)的、具備 860 億神經(jīng)元規(guī)模及百萬億突觸的全人腦尺度大腦模擬平臺。
03 論文題目：Towards building multilingual language model for medicine, 2024.09

中文解讀：醫(yī)療領域基準測試超越Llama 3、接近GPT-4，上海交大團隊發(fā)布多語言醫(yī)學大模型，覆蓋6國語言
研究內容：上海交通大學團隊創(chuàng)建了一個包含 255 億 tokens 的多語言醫(yī)療語料庫 MMedC，開發(fā)了一個覆蓋 6 種語言的多語言醫(yī)療問答評測標準 MMedBench，同時還構建了一個 8B 的基座模型 MMed-Llama 3。
04 論文題目：Integrated image-based deep learning and language models for primary diabetes care, 2024.07

中文解讀：全球首個！清華/上海交大等聯(lián)合構建面向糖尿病診療的視覺-大語言模型，登 Nature 子刊
研究內容：清華大學聯(lián)手上海交通大學、新加坡國立大學及新加坡國家眼科中心團隊，成功構建全球首個面向糖尿病診療的視覺-大語言模型集成系統(tǒng) DeepDR-LLM，可為基層醫(yī)生提供個性化的糖尿病管理意見及糖尿病視網(wǎng)膜病變輔助診斷結果。
05 論文題目：Harnessing TME depicted by histological images to improve cancer prognosis through a deep learning system, 2024.05

中文解讀：直擊三大實體瘤！上海交大團隊發(fā)布深度學習系統(tǒng)，提高癌癥生存預測準確性
研究內容：上海交通大學團隊開發(fā)了深度學習系統(tǒng) IGI-DL，通過組織病理學圖像，為沒有空間轉錄組數(shù)據(jù)的癌癥患者預測腫瘤微環(huán)境信息，從而實現(xiàn)精確的癌癥預后。
06 論文題目：Artificial intelligence-based models enabling accurate diagnosis ofovarian cancer using laboratory tests in China: a multicentre,retrospective cohort study, 2024.05

中文解讀：血常規(guī)、尿檢等指標就能識別卵巢癌！中山大學劉繼紅團隊牽頭，四大醫(yī)學院聯(lián)合構建 AI 融合模型

研究內容：中山大學腫瘤防治中心婦科團隊，聯(lián)合南方醫(yī)科大學、華中科技大學同濟醫(yī)學院附屬同濟醫(yī)院、浙江大學醫(yī)學院附屬婦產科醫(yī)院，構建了卵巢癌診斷人工智能融合模型 MCF，模型識別卵巢癌的準確率優(yōu)于 CA125 和 HE4 等傳統(tǒng)生物標志物。
07 論文題目：Depression Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory, 2024.09

中文解讀：Agent心理診所上線！基于1.3K抑郁癥問診對話，上海交大團隊搭建大模型對話Agent，可初診抑郁癥
研究內容：上海交通大學 X-LANCE 實驗室團隊等搭建了一種自動化大模型對話 Agent 模擬系統(tǒng)——智能體心理診所 AMC (Agent Mental Clinic)，用于抑郁癥的初步診斷。
08 論文題目：Medical SAM 2: Segment medical images as video via Segment Anything Model 2, 2024.08

中文解讀：SAM 2最新應用落地！牛津大學團隊發(fā)布Medical SAM 2，刷新醫(yī)學圖像分割SOTA榜

研究內容：牛津大學團隊開發(fā) Medical SAM 2 (MedSAM-2) 醫(yī)學圖像分割模型，基于 SAM 2 框架設計，將醫(yī)學圖像視作視頻，不僅在 3D 醫(yī)學圖像分割任務上表現(xiàn)卓越，同時還解鎖了一種新的單次提示分割的能力。
09 論文題目：MemSAM: Taming Segment Anything Model for Echocardiography Video Segmentation, 2024.05

中文解讀：候選CVPR 2024最佳論文！深圳大學聯(lián)手香港理工發(fā)布MemSAM：將 「分割一切」模型用于醫(yī)學視頻分割
研究內容：深圳大學和香港理工大學智能健康研究中心聯(lián)合提出了一種新穎的超聲心動圖視頻分割模型 MemSAM，將 SAM 應用于醫(yī)學視頻。
10 論文題目：M2CF-Net: A Multi-Resolution and Multi-Scale Cross Fusion Network for Segmenting Pathology Lesion of the Focal Lymphocytic Sialadenitis, 2023.11

中文解讀：針對超大規(guī)模病理圖像分析！華中科技大學提出醫(yī)學圖像分割模型，提高干燥綜合征診斷準確性

研究內容：華中科技大學團隊提出醫(yī)學圖像分割模型 M2CF-Net，通過融合多分辨率和多尺度的圖像識別技術，該方法能夠準確識別干燥綜合征患者病理圖像中的淋巴細胞聚集灶，幫助醫(yī)生做出更快速、更準確的診斷。
11 論文題目：S2P-Matching: Self-supervised Patch-based Matching Using Transformer for Capsule Endoscopic Images Stitching, 2024.09

中文解讀：匹配正確率提升187.9%！華中科技大學CGCL實驗室用自監(jiān)督學習助力膠囊內窺鏡圖像拼接，「天眼」里也可看腸胃健康
研究內容：華中科技大學聯(lián)合上海交通大學、中南民族大學、香港科技大學、香港理工大學、悉尼大學團隊，提出了一種自監(jiān)督的、基于片段匹配的膠囊內鏡圖像拼接方法 S2P-Matching，用于腸胃疾病的早期診斷。
12 論文題目：A transformer-based weakly supervised computational pathology method for clinical-grade diagnosis and molecular marker discovery of gliomas, 2024.06

中文解讀：水平直逼高級病理學家！清華團隊提出AI基礎模型ROAM，實現(xiàn)膠質瘤精準診斷
研究內容：清華大學與中南大學湘雅醫(yī)院合作，提出了一種基于大區(qū)域興趣和金字塔 Transformer 的精準病理診斷 AI 基礎模型 ROAM，用于膠質瘤的臨床級診斷和分子標志物發(fā)現(xiàn)，并可拓展到其他類型腫瘤的病理診斷。
13 論文題目：Large-scale pancreatic cancer detection via noncontrast CT and deep learning, 2023.11

中文解讀：在 2 萬病例中識別出 31 例漏診，阿里達摩院牽頭發(fā)布「平掃 CT +大模型」篩查胰腺癌
研究內容：阿里達摩院聯(lián)合國內外十余家醫(yī)療機構，發(fā)布 PANDA 大模型，實現(xiàn)胰腺癌早期篩查，在 2 萬余真實世界連續(xù)病人群體中發(fā)現(xiàn)了 31 例臨床漏診病變。
14 論文題目：CGS-Mask: Making Time Series Predictions Intuitive for All, 2024.03

中文解讀：破解時間序列預測的「黑盒」問題！華中科技大學提出CGS-Mask，揭秘患者存活率關鍵指標
研究內容：華中科技大學聯(lián)合悉尼大學、同濟醫(yī)院等，提出 CGS-Mask 方法，該方法適用于各種時間序列預測任務，尤其是那些需要與用戶互動并解釋結果的場景，例如，股市預測、疾病預測和天氣預報等，既能提高模型預測精度，又能增加預測結果的可解釋性。
15 論文題目：GMAI-MMBench: A Comprehensive Multimodal Evaluation Benchmark Towards General Medical AI, 2024.08

中文解讀：含284個數(shù)據(jù)集，覆蓋18項臨床任務，上海AI Lab等發(fā)布多模態(tài)醫(yī)療基準GMAI-MMBench
研究內容：上海人工智能實驗室聯(lián)合華盛頓大學/莫納什大學/華東師范大學等團隊提出多模態(tài)醫(yī)療基準 GMAI-MMBench，包含來自全球的 284 個下游任務數(shù)據(jù)集，該數(shù)據(jù)集已在 HyperAI超神經(jīng)官網(wǎng)上線！
16 論文題目：Polyamine Anabolism Promotes Chemotherapy-Induced Breast Cancer Stem Cell Enrichment, 2024.07

中文解讀：抗擊化療耐藥性與腫瘤復發(fā)！山東大學研究團隊用 AI 構筑乳腺癌干細胞的有力防線
研究內容：山東大學聯(lián)合山西醫(yī)科大學、螺旋矩陣公司等研究團隊，運用機器學習技術，基于 mRNA 的分析，成功開發(fā)了一種評估原發(fā)性乳腺癌患者樣本中癌癥干細胞特性的新方法 BCSC signature，為乳腺癌的臨床治療提供了全新的策略和方向。
17 論文題目：MlRS: An Al scoring system for predicting the prognosis and therapy of breast cancer, 2023.11

中文解讀：劍指全球第一大癌癥，中國學者建立乳腺癌預后評分系統(tǒng) MIRS
研究內容：美國肯塔基大學、澳門科技大學、澳門大學、廣州醫(yī)科大學第一附屬醫(yī)院的研究人員采用神經(jīng)網(wǎng)絡模型，建立了一個預測乳腺癌預后和治療的評分系統(tǒng) MIRS，可用于指導乳腺癌患者治療策略的制定。
18 論文題目：A foundation model for generalizable disease detection from retinal images, 2023.08

中文解讀：160w+ 未標注圖像、3 個維度全方位評估，周玉坤等人開發(fā) RETFound 模型，用視網(wǎng)膜圖像預測多種系統(tǒng)性疾病
研究內容：倫敦大學學院 (UCL) 和 Moorfields 眼科醫(yī)院研究人員，提出了視網(wǎng)膜圖像基礎模型 RETFound，在眼部疾病診斷/預后及系統(tǒng)性疾病的預測等任務中，都具有極佳的性能。
19 論文題目：A deep learning system for predicting time to progression of diabetic retinopathy, 2024.01

中文解讀：上海交大與清華聯(lián)手發(fā)布 DeepDR Plus，僅用眼底圖像可預測 5 年內糖尿病視網(wǎng)膜病變進展

研究內容：上海交通大學、清華大學等聯(lián)合發(fā)布的 DeepDR Plus 僅基于眼底圖像，便可預測糖尿病視網(wǎng)膜病變在 5 年內的進展。
20 論文題目：Beneficial associations between outdoor visible greenness at the workplace and metabolic syndrome in Chinese adults, 2024.01

中文解讀：超 5 萬人參與，浙大吳息鳳教授團隊新作：健康與辦公場所綠化水平有關
研究內容：浙江大學團隊通過卷積神經(jīng)網(wǎng)絡模型，基于街景圖像的綠色視圖指數(shù)對可見綠色暴露進行評估，并證實了工作場所周圍較高的綠色景觀指數(shù)有利于成年人降低代謝綜合征風險。
21 論文題目：ScribblePrompt: Fast and Flexible Interactive Segmentation for Any Biomedical Image, 2024.07

中文解讀：入選ECCV 2024！覆蓋5.4w+圖像，MIT提出醫(yī)學圖像分割通用模型ScribblePrompt，性能優(yōu)于SAM
研究內容：麻省理工學院計算機科學與人工智能實驗室團隊等，提出一種交互式生物醫(yī)學圖像分割通用模型 ScribblePrompt，支持不同注釋方式靈活地進行分割任務，甚至可用于未經(jīng)訓練的標簽和圖像類型。
22 論文題目：An interpretable model based on graph learning for diagnosis of Parkinson’s disease with voice-related EEG, 2024.01

中文解讀：帕金森早期診斷準確率提高至 90.2%，深圳先進院聯(lián)合中山一院提出 GSP-GCNs 模型
研究內容：中山大學附屬第一醫(yī)院&中科大先進院等研究團隊，提出了一種深度學習模型——圖信號處理-圖卷積網(wǎng)絡 (GSP-GCNs)，利用事件相關腦電圖數(shù)據(jù)來診斷帕金森病。
23 論文題目：Pretraining a foundation model for generalizable fluorescence microscopy-based image restoration, 2024.04

中文解讀：收集30GB、近20萬對訓練樣本，復旦大學團隊發(fā)布UniFMIR：用AI突破顯微成像極限
研究內容：復旦大學團隊提出了跨任務、多維度圖像增強基礎 AI 模型 UniFMIR，實現(xiàn)了對現(xiàn)有熒光顯微成像極限的突破，并為熒光顯微鏡圖像增強提供了一個通用的解決方案。
24 論文題目：Using artificial intelligence to document the hidden RNA virosphere, 2024.09

中文解讀：AI助力RNA病毒研究歷史性突破，中山大學等用深度學習模型，發(fā)現(xiàn)超過16萬種新病毒
研究內容：中山大學醫(yī)學院聯(lián)合浙江大學、復旦大學、中國農業(yè)大學、香港城市大學、廣州大學、悉尼大學、阿里云飛天實驗室等，提出了全新的深度學習模型 LucaProt，該模型發(fā)現(xiàn)了 180 個超群、16 萬余種全新 RNA 病毒，還發(fā)現(xiàn)了迄今為止最長的 RNA 病毒基因組，標志著 RNA 病毒鑒定領域取得了重大突破。
25 論文題目：Pianno: a probabilistic framework automating semantic annotation for spatial transcriptomics, 2024.04

中文解讀：復旦腦科學研究院新成果：借鑒語義分割，開發(fā)空間轉錄組語義注釋工具 Pianno
研究內容：復旦大學團隊提出了「空間轉錄組語義注釋」概念，并開發(fā)了空間轉錄組語義注釋工具 Pianno，能夠為組織內的空間點自動定義結構或細胞類型，從而結合來自多個維度的信息，加強對復雜生物系統(tǒng)的解釋。
26 論文題目：Health equity assessment of machine learning performance (HEAL): a framework and dermatology AI model case study, 2024.04

中文解讀：谷歌發(fā)布 HEAL 架構，4 步評估醫(yī)學 AI 工具是否公平
研究內容：Google 團隊開發(fā)了 HEAL (The health equity framework) 框架，能夠定量評估基于機器學習的醫(yī)療健康方案是否「公平」。
27 論文題目：Assistive Al in Lung Cancer Screening: A Retrospective Multinational Study in the United States and Japan, 2024.03

中文解讀：基于美日 627 例患者的臨床數(shù)據(jù)，谷歌證實 AI 輔助肺癌篩查的群體有效性
研究內容：谷歌 AI 團隊開發(fā)并優(yōu)化了人工智能輔助肺癌篩查的工作流程，在美國和日本進行了跨國性研究。
28 論文題目：The performance of a deep learning system in assisting junior ophthalmologists in diagnosing 13 major fundus diseases: a prospective multi-center clinical trial, 2024.01

中文解讀：協(xié)和眼科牽頭 ，5 家眼科中心同發(fā)力，用 AI 助力 13 種眼底疾病檢測
研究內容：北京協(xié)和醫(yī)院、華西醫(yī)院、河北醫(yī)科大學第二醫(yī)院、天津醫(yī)科大學眼科醫(yī)院、溫州醫(yī)科大學附屬眼科醫(yī)院的聯(lián)合研究團隊通過開發(fā)人工智能系統(tǒng)模型，協(xié)助初級眼科醫(yī)生的診斷一致性提高了約 12%，為 13 種主要眼底疾病的自動檢測提供新方法。
29 論文題目：Machine learning-based models to predict one-year mortality among Chinese older patients with coronary artery disease combined with impaired glucose tolerance or diabetes mellitus, 2023.06

中文解讀：收集 301 醫(yī)院 451 名老年冠心病患者數(shù)據(jù)，湖北麻城人民醫(yī)院推出機器學習模型，準確預測患者一年內死亡率
研究內容：湖北省麻城市人民醫(yī)院研究人員比較了多種模型，并用其中表現(xiàn)最優(yōu)的機器學習模型，預測了中國老年冠心病合并糖尿病或糖耐量受損患者一年內死亡率為 26.83%。
30 論文題目：OBlA: An Open Biomedical lmaging Archive, 2023.08

中文解讀：OBIA：900+ 患者、 193w+ 影像，中科院基因組所發(fā)布我國首個生物影像共享數(shù)據(jù)庫

研究內容：中科院基因組所（中國國家生物信息中心）建立了開放生物醫(yī)學成像檔案 (OBIA) ，這是國內首個開放的生物醫(yī)學成像數(shù)據(jù)和相關臨床數(shù)據(jù)存儲庫，對全球醫(yī)療從業(yè)者及相關學者免費開放。
31 論文題目：A high-performance neuroprosthesis for speech decoding and avatar control, 2023.08

中文解讀：中風失語 18 年，AI + 腦機接口幫她「意念發(fā)聲」
研究內容：美國加州大學舊金山分校和加州大學伯克利分校的研究團隊利用 AI 開發(fā)出一種新的腦機技術，讓失語 18 年的患者重新「開口說話」，并基于數(shù)字化身產生生動的面部表情，幫助患者以符合正常人社交的速度和質量與他人實時交談。
32 論文題目：Machine learning?based predictive models for the occurrence of behavioral and psychological symptoms of dementia: model development and validation, 2023.05

中文解讀：有效延緩癡呆癥：延世大學發(fā)現(xiàn)梯度提升機模型能準確預測 BPSD 亞綜合征
研究內容：延世大學的研究人員開發(fā)了多個預測 BPSD 的機器學習模型，實驗結果表明，機器學習能夠有效預測 BPSD 亞綜合癥。
33 論文題目：Robust Feature Selection strategy detects a panel of microRNAs as putative diagnostic biomarkers in Breast Cancer, 2023.07

中文解讀：特征選擇策略：為檢測乳腺癌生物標志物尋找新出口
研究內容：意大利那不勒斯費德里科二世大學的研究人員，提出可以檢測乳腺癌生物標志物的特征選擇 (Feature Selection) 策略，并建議將其發(fā)現(xiàn)的 20 種 microRNA 作為乳腺癌診斷性生物標志物。
34 論文題目：Performance of a Breast Cancer Detection Al Algorithm Using the Personal Performance in Mammographic Screening Scheme, 2023.09

中文解讀：粉紅殺手」通緝令，AI 閱讀乳腺 X 光片的能力已與醫(yī)生相當

研究內容：英國諾丁漢大學的研究者對比了商用 AI Lunit 與醫(yī)生閱讀乳腺 X 光片的準確率，結果顯示，Lunit 分析乳腺 X 光片的能力與人類醫(yī)師相當。
35 論文題目：Machine Learning-Enabled Tactile Sensor Design for Dynamic Touch Decoding, 2023.09

中文解讀：浙江大學利用 SVM 優(yōu)化觸覺傳感器，盲文識別率達 96.12%

研究內容：浙江大學的研究者優(yōu)化 觸覺傳感器的設計，優(yōu)化后的傳感器能準確識別 6 種動態(tài)觸摸模式，可用于健康監(jiān)測、智能機器人、人機環(huán)境交互和虛擬/增強現(xiàn)實中。