[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"aihot-art-91391":3},{"itemId":4,"vertical":5,"category":6,"source":7,"score":8,"title":9,"summary":10,"analysis":11,"url":12,"coverUrl":13,"direction":13,"marketSignal":13,"publishedAt":14},"91391","ai","论文研究","Nature Machine Learning",58,"结合医学知识引导多模态大模型实现胃肠镜自动诊断与报告生成","研究提出结合医学知识引导多模态大模型，实现胃肠镜检查的自动诊断与报告生成。","一篇发表于《自然-通讯》(Nature Communications)的研究提出,通过引入医学专业知识来「引导」多模态大语言模型,使其具备胃肠镜(食管胃十二指肠镜)检查图像的自动诊断与报告生成能力,方向指向AI在消化内镜场景的辅助诊断落地。\n\n· 研究聚焦食管胃十二指肠镜(EGD)这一临床高频检查场景,尝试让多模态大模型直接理解内镜图像并给出诊断意见\n· 核心思路是用医学知识对模型做「引导」式训练,而非单纯依赖通用图文语料,目的是提升专业场景下的判断准确性和可靠性\n· 自动生成结构化诊断报告是主要落地价值所在,若技术成熟,有望减轻内镜医师的书写负担、提升报告的标准化程度\n· 论文发表于《自然-通讯》,经过同行评审,在学术层面具备一定分量\n\n医学多模态大模型正从单纯「看片子」向「写报告」延伸,这类工作若能跨过临床验证和监管门槛,有望成为内镜科辅助诊断落地的重要一环;不过具体准确率、样本规模等实证细节仍需查阅论文原文,不宜仅凭标题预判其成熟度。","https:\u002F\u002Fwww.nature.com\u002Farticles\u002Fs41467-026-75377-y",null,"2026-07-17 08:00:00"]