研究人員推出了一種新型人工智慧 (AI) 模型，該模型將成像數據與臨牀患者資訊相結合，在醫療診斷領域取得了重大進展。這種利用基於變壓器的神經網路的創新方法有可能爲診斷領域帶來革命性的變化，有望提高精度和效率。

傳統的診斷方法通常在影像或臨牀患者數據分析的範圍內運作。然而，北美放射學會 (RSNA) 旗下出版物《放射學》的一項研究中提出的這種尖端人工智慧模型的出現，引入了合併兩種資料類型的統一診斷範式。這種合成有可能顯著提高診斷準確性，從而爲醫療保健專業人員提供寶貴的支援。

這一突破的基礎在於部署基於 Transformer 的神經網絡，這是人工智能領域一個相對較新的里程碑。這些模型最初是爲自然語言處理而設計的，在醫療保健領域已被證明具有極其廣泛的用途。與通常用於圖像數據處理的傳統卷積神經網絡形成鮮明對比的是，Transformer 模型採用了一種更通用的方法。它們的顯著特點在於“注意力機制”，它使神經網絡能夠解讀輸入數據中固有的複雜關係。

爲醫療應用量身定製的模型

Firas Khader 是這項研究的主要作者，也是德國亞琛大學醫院診斷和介入放射學系的博士生，他率先開發了這一突破性的模型。Khader 和他的研究團隊在大量數據集上精心訓練了該模型，其中包括來自超過 82,000 名患者的影像和非影像患者數據。這種詳盡的訓練方案確保了該模型在各種診斷任務中的能力。

通過多模態數據分析進行診斷

該 AI 模型的一個顯著特點是它能夠利用不同的數據模式（非成像、成像或兩者的混合，稱爲多模式數據）來診斷疾病。研究人員通過訓練模型來診斷多達 25 種不同的疾病，以測試這種能力。結果非常出色，多模式模型一直超越同類模型。

隨着患者數據量持續穩步上升，醫療從業者面臨着越來越大的挑戰，即如何有效地吸收和解釋所有可用的信息。由於每位患者可用的時間有限，這種新發現的人工智能模型帶來了一線希望。Khader 強調，“多模式模型有可能通過促進將可用數據綜合成精確診斷來幫助臨牀醫生進行診斷。”

無縫數據集成的藍圖

除了直接應用之外，所提出的模型還提供了一個無縫整合不同領域大量數據的模板。這項創新可能產生深遠影響，不僅限於醫學，還涵蓋數據融合至關重要的領域。

這個開創性的人工智能模型體現了人類專業知識與人工智能在技術與醫學不斷髮展的時代之間的結合。它有可能重新定義我們的診斷方法，最終使全球範圍內的患者和醫療保健系統受益。