DIAGENS发布iMed-6.0与覆盖509项目标的CT影像模型
#AI照护与医疗科技 时间2026-11-16 05:35:30
文/IAICA.NGO®
DIAGENS(港交所:2526)公布新一代医学影像基础模型iMedImage® iMed-6.0的基准测试结果,并推出面向胸部与腹部CT的影像模型。该模型可自动识别509种疾病与影像征象,其中胸部目标263项、腹部目标391项,重叠目标只计一次。公司同时展示零代码模型开发工具,试图将基础模型能力延伸至专科AI构建与临床工作流适配。
在由上海人工智能实验室开发、属于OpenCompass评测生态的MedBench多模态API评测中,iMed-6.0的Thoth与Aegis分别以64.4分和61.7分位列总榜前两名,并在医学视觉感知与文本抽取、跨模态语义理解与推理、临床决策支持与推理三个核心类别中均居前两位。医学视觉感知与文本抽取一项,两者分别得分88.8和84.9,较其他受评模型最高分73.8高出20.3%和15.0%。在覆盖六大领域、30个学科的MMMU测试中,Thoth整体准确率为66.2%,超过此前公开的最高结果65.9%;健康与医学类别中,Thoth和Aegis分别达到74.9%和71.1%,位列前两名。
CT模型由iMed-6.0 Aegis开发,聚焦平扫与增强胸部、腹部CT检查。公司披露,在来自多家医院、近4万对CT检查与报告配对的内部验证中,模型对全部509个目标进行零样本分类的宏平均AUC为0.855;在国际公开基准覆盖的249个关键目标子集上,宏平均AUC为0.930。上述结果属于内部验证与公开基准子集评估,仍需前瞻性、多中心外部验证检验真实临床环境中的泛化能力。
技术路径上,iMed-6.0可处理三维影像、全切片病理图像和时序影像数据,支持影像解读、解剖与病灶分析、报告起草与复核;在受支持任务中,输出可回链至原始影像的具体层面或区域。可追溯设计对临床复核较为关键,因为临床用户不仅需要分类结果,也需要理解模型依据。DIAGENS将这些能力与iMedLoop™平台结合,覆盖数据准备、模型训练、评估、部署与反馈;iMedMaaS®通过零代码界面,使临床医生和医院能够训练、部署和扩展定制模型。
DIAGENS董事长兼首席执行官宋宁博士表示,希望临床医生和医院围绕自身最熟悉的临床挑战构建AI,利用基础模型和零代码工具训练专科模型、适配工作流,并将其作为支持临床决策的副驾驶。这一表述反映医疗AI供给模式的一种变化:从厂商交付固定算法,转向医院在基础模型之上形成可迭代的专科能力。
从行业背景看,传统计算机辅助诊断多围绕单一病种或征象构建,泛化受限于采集设备、扫描协议和人群差异。基础模型试图通过大规模预训练与多任务学习降低重复开发成本,但多任务覆盖并不自动等于临床可用。数据标注质量、报告偏倚、跨院区分布漂移、监管审批路径以及医生对模型不确定性的理解,仍是落地前的关键问题。零代码工具可能降低开发门槛,也可能带来模型版本管理、质控与责任边界的新挑战。
iaica.com.cn 认为,医学影像基础模型的竞争重点正从单项任务精度转向跨模态推理、可追溯输出与临床工作流嵌入能力。对照护机构而言,评估此类平台时应同时关注外部验证证据、失败模式披露、与现有影像系统和报告流程的兼容性,以及持续监测机制。只有形成闭环,覆盖数百项影像目标的CT模型才可能从评测成绩转化为临床效率与质量改进。
评论
0 条登录后才可以发表评论。
立即登录