上海
撰文丨王聪
编辑丨王多鱼
排版丨水成文
鉴于骨转移瘤的发病率不断上升，计算机断层扫描（CT）在全球范围内被广泛用作检测骨转移的首选影像学手段。骨转移瘤的准确诊断需要全面的评估，但不同专科医生之间的解读差异可能导致诊断分歧。在临床实践中，骨转移瘤的精准诊断需要放射科医师、病理科医师和肿瘤科医师等多学科协作。
2026 年 7 月 2 日，上海交通大学医学院附属第六人民医院李跃华教授、赵晖教授及 华盛顿大学王晟助理教授等 ，在 Nature 子刊Nature Biomedical Engineering上发表了题为： BoneCoT: multicentre validation of a whole-body skeleton foundation model for bone metastases guided by clinician-derived chain of thought 的研究论文。
该研究开发了一种基于 临床医生思维链引导的全身骨骼基础模型——BoneCoT，在用于骨转移的多中心验证中超越了现有的 最优（SOTA）方法以及经验丰富的放射科医师。
在这项最新研究中，为满足对一种能够联合考虑多学科信息、提供专家级见解与预测的自动化工具的需求，研究团队提出了一种通过思维链微调方法增强的全身骨骼基础模型——BoneCoT。
研究团队在来自 30267 名患者、涵盖 12 个骨骼部位的 2930 万张计算机断层扫描（CT）图像上对模型进行了预训练，并围绕一个包含 26 项临床相关任务（涉及诊断、并发症、肿瘤类型和生物标志物）的图谱进行了优化。在涵盖 26 项任务及来自 10 家医院的多中心队列评估中，BoneCoT 在受试者工作特征曲线下面积（AUROC）上优于现有最优（SOTA）方法20%。尤为关键的是，在区分原发灶与转移灶方面，BoneCoT 的受试者工作特征曲线下面积提升了40%，显著超越了经验丰富的放射科医师。
这些发现表明，源自临床医生的推理过程能够推动人工智能（AI）在复杂疾病中实现更综合的诊断评估。
论文链接：
https://www.nature.com/articles/s41551-026-01736-1
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
