在医学影像诊断领域，尤其是超声检查，正迎来一场由人工智能驱动的深刻变革。近日，香港推出了一款名为“聆音”（EchoCare）的超声大模型，它不仅在数据训练规模上创下全球纪录，更以其独特的技术路径和卓越的临床潜力，为缓解全球医生短缺、提升诊断效率与准确性带来了曙光。
“聆音”模型由中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）倾力研发，其训练基础是迄今为止规模最大的超声影像数据集，涵盖了超过400万张的超声图像。这一庞大的数据量是模型能够深度学习、精准识别的关键。放眼中国，超声检查的需求正以前所未有的速度增长，每年进行的检查量高达20亿次，然而，与此形成鲜明对比的是，国内超声医生的缺口高达15万。培养一名经验丰富的超声医生耗时漫长，少则三五年，多则更久，这种人才瓶颈严重制约了超声检查的普及和可及性。即便在医疗资源相对发达的香港，患者也面临着漫长的等待，某些常规检查甚至需要排队一年以上。
正是在这样的背景下，“聆音”EchoCare 大模型的诞生显得尤为重要。它并非简单地将AI技术应用于医学影像，而是对现有超声AI诊断模式的一次重大突破。不同于以往依赖大量人工标注的高质量数据的局限，“聆音”采用了创新的“纯数据驱动的结构化对比自监督学习”方法。这意味着模型能够从海量的原始超声影像数据中自主学习关键特征，大大降低了对人工标注的依赖，同时也克服了数据来源多样化带来的模型泛化能力不足的问题。更值得一提的是，“聆音”具备“连续学习”的能力，能够随着临床应用的不断深入，持续迭代和优化自身性能，确保始终保持在最佳诊断状态。
初步的临床验证结果令人振奋。该模型在山东大学等多家医院进行了回溯性研究，展现出了令人瞩目的诊断性能，其灵敏度高达85.6%，特异度达到88.7%。这意味着“聆音”在识别病灶和排除假阳性方面，已经达到了相当高的水平，为医生提供了强有力的辅助。未来，CAIR计划与更多医疗机构展开合作，将“聆音”的实际应用范围进一步拓展，使其真正融入临床工作流程。
“聆音”EchoCare 超声大模型的推出，不仅是香港医学科技领域的一项重要成就，更是全球医学影像AI发展的一个关键节点。它预示着，随着AI技术的不断成熟和数据积累的加深，未来超声诊断将变得更加高效、精准，有望显著缓解医疗资源不均的难题，让更多患者能够及时获得高质量的诊断服务。
