明岐：上海交大推出的医学多模态大模型，精准诊断罕见病

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

主要介绍

“明岐”是由上海交通大学计算机学院LoCCS实验室王烁教授团队研发的全球首个可精准诊断罕见病的医学影像多模态大模型。该模型于2025年3月29日在“AI赋能精准诊疗创新发展学术会议”上正式发布，专为解决AI+医疗领域最具挑战性的罕见病精准诊断难题而生，致力于通过多模态深度学习技术整合医学影像、病历文本及化验指标等数据，为医生提供高精度、可解释的诊断支撑。

功能特点

1. 高精度诊断：整合医学影像（如CT、MRI、内镜图像等）、病历文本（如病史、症状描述等）和化验指标（如血液、生化指标等）等多模态数据，实现对罕见病（如克罗恩病）的高精度诊断，诊断准确率超92%。
2. 可解释性：首创“透明诊断舱”机制，将诊断过程中的每一步骤和推理逻辑可视化呈现，医生可清晰了解AI的诊断依据，并配合相似病例库对比，帮助医生快速定位疑似病变区域，增强诊断的可解释性。
3. 多专家协作：模拟多位专家的诊断思路，将不同专家的经验和知识融入模型中，实现多专家协作诊断，综合多方意见，提升诊断全面性和准确性。
4. 低成本、本地化部署：基于模型蒸馏和量化技术，大幅降低算力需求，实现低成本、安全的本地化运行，满足数据隐私要求，为基层医院提供低成本、高效的诊断服务。

优缺点

优点

• 高精度：在克罗恩病等消化道罕见病诊断中，准确率超92%，超越专科高级医生水平。
• 可解释性强：通过“透明诊断舱”机制，将诊断过程可视化，增强医生信任。
• 多专家协作：模拟多位专家的诊断思路，提升诊断的全面性和准确性。
• 低成本部署：降低算力需求，实现低成本、本地化运行，有助于医疗资源下沉。

缺点

• 数据依赖性：模型的性能高度依赖于训练数据的质量和多样性，对于罕见病而言，数据收集可能较为困难。
• 技术复杂性：多模态大模型的技术实现较为复杂，需要专业的技术团队进行维护和更新。

如何使用

“明岐”模型可通过本地化部署的方式在医院或医疗机构中使用。医院或医疗机构可根据自身需求，选择适合的硬件设备进行部署，并按照模型提供的接口和文档进行集成和调用。在使用过程中，医生可将患者的医学影像、病历文本及化验指标等数据输入模型，模型将输出诊断结果及推理依据，供医生参考。

框架技术原理

“明岐”采用“大模型能力矩阵 + 专家路由协同”的双引擎驱动架构。

• 大模型能力矩阵：基于大规模预训练模型，学习海量医疗数据中的特征和模式，为罕见病诊断提供强大的基础能力。
• 专家路由协同：模拟多位专家的诊断思路，将不同专家的经验和知识融入模型中，实现多专家协作诊断。

同时，模型还运用了多模态深度学习技术，整合医学影像、病历文本及化验指标等多模态数据，通过深度学习算法提取关键特征，实现对罕见病的综合诊断。

创新点

1. 全球首个精准诊断罕见病的医学影像多模态大模型：填补了AI+医疗领域在罕见病精准诊断方面的空白。
2. “透明诊断舱”机制：首创将诊断过程可视化，提供推理依据和相似病例对比，增强了医生对AI诊断结果的信任度。
3. 低成本、本地化部署：采用模型蒸馏和量化技术，大幅降低算力需求，使基层医院也能负担得起并引入这一先进技术。

评估标准

“明岐”模型的评估标准主要包括诊断准确率、可解释性、多专家协作效果以及部署成本等方面。

• 诊断准确率：通过与专科高级医生的诊断结果进行对比，评估模型的诊断准确率。
• 可解释性：通过医生对“透明诊断舱”机制的使用反馈，评估模型的可解释性。
• 多专家协作效果：通过模拟多位专家的诊断思路，评估模型的综合诊断能力。
• 部署成本：通过比较不同部署方案的成本，评估模型的部署成本效益。

应用领域

1. 罕见病精准诊断：辅助医生快速、准确诊断罕见病，缩短确诊时间。
2. 基层医疗赋能：为基层医院提供低成本、高效的诊断服务，缓解专家资源紧张。
3. 教学与科研支持：助力医学教学与科研，提升诊断能力，推动技术发展。
4. 远程医疗服务：结合远程医疗，为偏远地区患者提供远程诊断，提高医疗可及性。
5. 医疗数据管理：整合多模态数据，便于存储、查询和分析，挖掘疾病风险因素。

项目地址

• 项目官网：https://news.sjtu.edu.cn/jdyw/