武汉市中心医院联合武汉大学发布湖北省首个超声诊断大模型，超声诊疗将迈入“全流程智能决策”时代

极目新闻通讯员 李蓓 马遥遥 卢亚芳

从“辅助”到“决策”，AI赋能医疗服务又迎来新跨越。3月27日，由武汉市中心医院与武汉大学联合研发的超声诊断大模型“佑珈”在武汉正式发布。作为湖北省首个聚焦临床超声全流程的多模态垂直大模型，它以智能体决策为核心中枢，构建起覆盖图像净化、病灶检测、证据推理到报告生成的一体化智能闭环系统，让人工智能从单一功能的辅助工具，进化为具备协同推理能力的临床决策助手，标志着超声诊疗由此迈入“全流程智能决策”的新时代。这一医校协同创新的重要成果，树立了推动医疗人工智能专科化、精准化发展的“湖北样本”。

武汉市中心医院联合武汉大学发布湖北省首个超声诊断大模型“佑珈”

五大核心能力集成，打造超声诊疗“最强大脑”

3月27日上午，在武汉市中心医院杨春湖院区举行的发布会上，武汉市中心医院与武汉大学计算机学院共同发布了超声诊断大模型——佑珈，并揭牌成立了“医学人工智能联合实验室”。武汉市中心医院、武汉大学计算机学院有关领导、专家出席发布会。

武汉市中心医院与武汉大学计算机学院揭牌成立“医学人工智能联合实验室”

据了解，大模型命名为“佑珈”，寓意深远。“佑”取自医院文化IP形象“龙小佑”，象征着守护健康的医者初心；“珈”则源自武汉大学所在的珞珈山，承载着百年学府的学术底蕴。这一命名，恰如其分地诠释了医校协同、技术与人文交融的核心理念。

武汉市中心医院作为全省首家数智化转型试点医院、湖北省人工智能示范医院，在临床医疗、医学大数据及人工智能应用场景方面根基深厚；武汉大学计算机学院则在人工智能技术开发与高端人才培养方面优势凸显。此次医院与院校携手合作，旨在推动人工智能与临床诊疗深度融合，打造医校协同驱动数智化创新的行业标杆。

据悉，该款超声诊断大模型由国家高层次青年人才、武汉大学计算机学院张敬教授及其团队联合武汉市中心医院共同研发，突破了超声标记去除、多器官病灶检测等关键技术，构建了完备的多模态超声智能诊断技术体系，有力推动了人工智能在临床精准诊疗中的落地应用。

近年来，国家和省市深入实施“人工智能+”行动，大力推进人工智能在医疗卫生领域的应用。此次大模型创新成果的发布，正是推动医学影像智能诊断与垂直大模型开发应用的生动实践，为助力湖北省、武汉市全力打造“人工智能+医疗卫生”创新高地、实现临床应用场景全覆盖注入新动能。

据介绍，在功能层面，“佑珈”更像一个为超声诊断医生量身打造的“最强智慧大脑”，具备五大核心能力。它既是“图像净化师”会智能擦除图像上的水印、卡尺、测量线等干扰标记，批量生成纯净、标准的超声图像，让医生不再被冗余信息遮挡视线；又是“病灶侦察兵”，可精准识别病灶，并自动输出定位与量化信息，成为医生的“第二双眼睛”；同时，它还具备“多模态推理”能力，能将图像特征与临床信息、工具结果联合推理，生成专业的辅助诊断结论；并且，它还是一位高效的“报告助理”，能自动生成规范的结构化超声报告草稿，提升诊断与书写效率；此外，它还扮演着“数据管家”的角色，能自动消除噪声与标记干扰，构建高质量数据集，为AI训练和多中心科研提供安全合规的数据支撑。这一系列“超能力”的背后，是基于一套以智能体决策为核心的闭环系统，它采用了“证据先行、推理协同、结果可复核”的工作机制，将五大核心能力统筹其中，构建起从原始数据输入、关键线索提取、联合推理判断到辅助诊断输出的完整链路，让每一次诊断都有据可循。

武汉市中心医院超声诊断科主任刘建新演示超声诊断大模型“佑珈”

在临床应用层面，超声诊断大模型的价值贯穿超声诊疗全链条。如应用到日常门诊、住院及体检中，它可化身“第二阅片人”，通过大模型调用患者检查的超声图像后，可开启AI诊断，从诊断、鉴别诊断、病灶的勾画到诊断结果的呈现，以及规范化报告草稿的生成，一整套流程仅花费2-3秒时间，但超声报告出具的最关键一步必须由超声诊断医生来进行最终的审核、确认。借助这一大模型智能助手，可帮助超声诊断医生从繁琐的文书工作中抽身，大大提升了工作效率，从而让医生更专注于分析关注患者的病情。

在医学教育领域，超声诊断大模型可参与住院医师规范化培训，提供标准化诊断参考，帮助年轻医生快速积累经验。尤为重要的是，这款大模型为赋能基层医疗提供了有力抓手。它既能弥补基层超声医生数量不足、经验参差不齐的短板，又能帮助统一诊断标准，助力提升基层医疗机构诊断的一致性与准确率，减少漏诊、误诊风险，从而让基层患者在家门口就能享受到三甲医院同质化高水平的超声诊断服务，有效推动优质医疗资源下沉。

高质量数据训练，铸就懂超声、会诊断的AI

一个能读懂超声、会思考诊断的AI，究竟是如何铸就的？答案，藏在近5万个高质量的病例和44万张超声图像里。

超声医学被誉为临床诊疗的“无创排头兵”，但行业发展长期面临一个“数据壁垒”：临床采集的超声图像上，设备水印、测量卡尺、参数文本、勾画等冗余标记如同“贴纸”般覆盖在组织纹理上，让数据难以直接用于AI训练。这些数据结构不统一、命名不规范、敏感信息混杂，构建高质量训练数据又需耗费大量人力与时间，导致超声AI研发受限于高质量纯净数据集不足，模型易学习“捷径特征”，跨设备、跨院区泛化能力较弱。

为筑牢“佑珈”的训练根基，来自武汉市中心医院与武汉大学计算机学院的团队携手展开了一场“数据攻坚战”。除了大学教授领衔的技术团队，医院也派出多名经验丰富的超声诊断医生，开展体系化、高质量的数据标注工作。数据准备累计覆盖乳腺、肾脏、甲状腺、肝胆脾胰、泌尿生殖系统等14个重要脏器或部位，涉及良恶性病变等110个常见病种，进行了精细到像素级的勾画标注，总计处理了近5万个高质量的有效病例，对应44万张超声图像，其中精细化勾画标注的图像达9.1万张。这一规模庞大、病种覆盖全面、标注精细合规的高质量多模态数据集，为大模型能力的提升提供了坚实、合规、高价值的多模态数据支撑。

在技术路径上，项目团队采用了分阶段、分模型的协同训练策略。核心多模态大模型参数规模达87.7亿，采用监督学习与强化学习两阶段训练，让模型在“学习”与“精进”中不断迭代。同时，去标记净化模型与智能检测模型作为专项能力模块，分别针对图像净化和病灶定位进行优化，既保证了核心效果，又提升了整体系统的效率与泛化能力。正是这套“组合拳”，让“佑珈”学会了分辨正常与异常，理解了病灶的万千形态。

深耕三个方向，让“智慧”从实验室走向基层

当天，随着“医学人工智能联合实验室”的揭牌，双方的研发合作进入更深层次的推进阶段。

据介绍，在现有大模型基础上，武汉市中心医院还将联合武汉大学计算机学院进一步打造超声综合智能体，将病灶识别、疾病诊断、证据提炼与报告输出串联成全流程智能化的闭环。这意味着，从医生拿起超声探头的那一刻起，到最终一份规范、准确的诊断报告出炉，人工智能的辅助将贯穿每一个环节，让临床诊疗更加高效、精准。

技术落地生根，还将惠及基层更广泛的人群。未来，将进一步深化AI与医疗器械融合，将大模型嵌入超声设备，推动技术成果走出“实验室”，规模化落地基层，让三甲医院的同质化诊疗能够随着设备一起抵达基层医疗机构，不断助力医疗人工智能产业生态升级。

（来源：极目新闻）