首尔大学医院医疗健康AI研究院9日表示,近期已将自主研发的两款医疗专用人工智能(AI)模型以开源形式向全球公开。
此次公开的模型为分析胸部X光影像并生成判读报告的“mvl-rrg-1.0”,以及专注于医疗推理的大语言模型“hari-q2.5-thinking”。两款模型均为医疗专用AI,旨在辅助医护人员在实际临床现场的判断过程,分别用于医学影像判读和基于文本的临床推理。
此项成果由韩国科学技术情报通信部的“AI研究用算力支持项目”支持完成。首尔大学医院因具备自主开发医疗领域超大规模AI模型、并能将研究成果以全球水准公开的能力而获选为支持对象。医院获得64张H200 GPU(约4PF级运算性能)支持,构建了基于大规模医疗数据的高难度AI模型训练环境,从而能够高效开展融合文本与医学影像的超大规模医疗AI模型的训练与验证。
mvl-rrg-1.0是分析胸部X光影像并自动生成判读报告的AI。它不止于单张影像分析,而是设计为将患者过去影像与当前影像相连接,反映疾病进展或好转等“随时间的变化”。利用约36万件以上公开医学影像数据进行训练,使其能够推断病灶的变化形态,结果在仅输入影像的条件下,自然语言生成性能指标ROUGE-L达34.1、BLEU-4达18.6。这在胸部X光判读报告自动生成领域属于国际最高水准的性能。
该模型有望减轻诊室和急诊室的影像比对与判读负担。在诊室,可自动比较过去影像与当前影像,定量呈现病灶变化程度,有助于向患者说明治疗进展。在急诊室等时间紧迫的情形下,可在X光拍摄后迅速提示气胸等需要即时处置的所见,辅助医护人员的初步判断。
hari-q2.5-thinking是为理解临床情境、执行诊断与治疗过程所需推理而设计的模型。此前在韩国医师国家考试(KMLE)模拟测试中正确率达89%,医学思考能力得到验证。该模型可用于辅助医护人员在诊治症状复杂、病因难以判断的患者时的思考过程。例如当咳嗽、腹痛、头痛同时出现时,不止于简单的症状分类,而是结合患者既往病史与临床记录,逐步提示需要追加检查的可能性及鉴别诊断的依据。此外,在医学生或住院医师的培养过程中,可作为说明判断逻辑的学习工具。这些模型可在国家战略技术专门研究所数据平台(KHDP)及全球AI平台Hugging Face上查阅。
首尔大学医院将以该模型为基础,推进向内科、外科、儿科等17个诊疗科室的专用模型扩展,并正在构建由多个AI模型分担角色辅助判断的多智能体系统。待临床验证完成后,将陆续公开各诊疗科室专用模型,扩大国内外医护人员和研究者可利用的医疗AI研究基础。
医疗健康AI研究副院长李亨哲表示:“依托超高性能GPU基础设施,同时学习与推理文本和医学影像的医疗AI研究成为可能”,并称“尤其是通过比较过去与现在的影像来掌握患者状态变化的功能,在实际临床中是重要的判断要素,此次公开的模型将有助于更高效地辅助医护人员的诊疗判断”。






