2024 年医疗 AI 突破盘点，精选 35 篇不可错过的前沿论文
💡
原文中文，约9800字，阅读约需24分钟。
📝
内容提要
近年来，英伟达和谷歌等科技巨头加大对AI医疗的投资，推动医学大模型研发，应用于疾病诊断和医学图像处理。2023-2024年间，多篇前沿论文展示了AI在糖尿病和癌症管理中的应用，显著提升医疗效率和患者体验。
🎯
关键要点
- 科技巨头如英伟达和谷歌加大对AI医疗的投资，推动医学大模型研发。
- AI在疾病诊断和医学图像处理中的应用显著提升医疗效率和患者体验。
- 研究人员构建医学大模型，应用于糖尿病、癌症等多种疾病的诊断。
- 浙江大学与微软亚洲研究院提出统一医学图像预训练框架UniMedI。
- 复旦大学开发数字孪生脑平台，具备860亿神经元规模。
- 上海交通大学发布多语言医学大模型，覆盖6国语言。
- 清华大学与上海交通大学联合构建糖尿病诊疗的视觉-大语言模型。
- 上海交通大学开发深度学习系统，提高癌症生存预测准确性。
- 中山大学团队构建卵巢癌诊断AI融合模型，准确率优于传统生物标志物。
- 上海交通大学搭建大模型对话Agent，用于抑郁症初步诊断。
- 牛津大学发布Medical SAM 2，刷新医学图像分割技术。
- 深圳大学与香港理工大学提出MemSAM，用于医学视频分割。
- 华中科技大学提出医学图像分割模型M2CF-Net，提高干燥综合征诊断准确性。
- 华中科技大学用自监督学习提升胶囊内窥镜图像拼接准确率。
- 清华大学与中南大学提出AI基础模型ROAM，实现胶质瘤精准诊断。
- 阿里达摩院发布PANDA大模型，实现胰腺癌早期筛查。
- 华中科技大学提出CGS-Mask，提升时间序列预测的可解释性。
- 上海AI Lab等发布多模态医疗基准GMAI-MMBench，涵盖284个数据集。
- 山东大学研究团队用AI构筑乳腺癌干细胞防线，提供新治疗策略。
- 中国学者建立乳腺癌预后评分系统MIRS，指导治疗策略。
- 伦敦大学学院开发RETFound模型，用视网膜图像预测多种疾病。
- 上海交通大学与清华大学发布DeepDR Plus，预测糖尿病视网膜病变进展。
- 浙江大学团队研究工作场所绿化与健康的关系。
- 麻省理工学院提出ScribblePrompt，支持灵活的医学图像分割。
- 深圳先进院与中山一院提出GSP-GCNs模型，提高帕金森病诊断准确率。
- 复旦大学发布UniFMIR，突破显微成像极限。
- 中山大学等用深度学习模型发现新RNA病毒，取得重大突破。
- 复旦大学开发空间转录组语义注释工具Pianno，增强生物系统解释。
- 谷歌发布HEAL框架，评估医学AI工具的公平性。
- 谷歌证实AI辅助肺癌筛查的有效性，基于美日627例患者数据。
- 北京协和医院等用AI助力13种眼底疾病检测，提高诊断一致性。
- 湖北麻城市人民医院推出机器学习模型，预测老年冠心病患者死亡率。
- 中科院基因组所建立开放生物医学成像档案，提供数据共享。
- 加州大学开发脑机接口技术，帮助失语患者重新发声。
- 延世大学发现机器学习模型能有效预测痴呆症症状。
- 意大利研究者提出特征选择策略，寻找乳腺癌生物标志物。
- 英国诺丁汉大学研究显示AI与医生在乳腺X光片阅读能力相当。
- 浙江大学优化触觉传感器设计，盲文识别率达96.12%。
➡️
