近日，六合彩結果-六合彩開獎號碼
教師史淼晶、王瀚漓等聯合同濟大學附屬同濟醫院消化內鏡中心，圍繞消化系統疾病智慧診療與報告自動生成，開發了首個基于多模態大模型的內鏡診療系統。相關成果以“Bootstrapping Multimodal Large Language Model with Medical Knowledge for Automatic Esophagogastroduodenoscopy Diagnosis and Reporting”為題，發表于自然子刊《Nature Communications》。
論文一作和通訊作者分別來自電信六合彩結果
岳子杰、史淼晶團隊以及同濟醫院孫會會、許樹長團隊；主要作者馬一鯤、岑天宇為史淼晶教授的博士生。
圖1 本研究流程圖
內鏡檢查是診斷消化系統疾病的重要臨床手段，但診斷結果依賴內鏡醫生的專業經驗，易出現誤診和漏診。此外，內鏡醫生在完成檢查后需撰寫內鏡報告，以記錄檢查所見并指導后續治療方案的制定。該過程平均耗時約7分鐘，嚴重制約了臨床診療效率。
針對上述問題，研究團隊提出了一種基于多模態大語言模型的消化系統疾病智能診斷與報告自動生成方法MLLM-EDR。該方法以內鏡視頻為輸入，利用多模態大語言模型挖掘其視覺特征，進而實現解剖部位識別、背景黏膜分類、消化系統疾病診斷和內鏡報告生成等任務。此外，搭建了醫學知識引導的視覺特征精煉模塊，利用大語言模型生成19種常見消化系統疾病的醫學知識描述，進而將醫學知識與內鏡視覺特征交互融合，引導模型關注與疾病相關的關鍵病灶區域，從而提升診斷的準確性以及報告生成的完整性和可靠性。
研究團隊收集了迄今為止最大的多模態內鏡數據集，包含來自4461名患者的203838張內鏡圖像和4461份內鏡報告。實驗結果表明，MLLM-EDR的性能優于現有人工智能方法和內鏡醫生。尤其在消化道早癌診斷方面，MLLM-EDR表現出顯著優勢。此外，MLLM-EDR能夠生成詳細全面的文本報告，其完整性和準確性已達到高級內鏡醫生撰寫報告的水平。在工作效率方面，MLLM-EDR僅需13.48秒即可完成報告生成。研究團隊還進一步證明，在MLLM-EDR的輔助下，初級內鏡醫生的表現甚至超過了未得到輔助的高級內鏡醫生。上述結果表明，MLLM-EDR在優化內鏡診療流程、提高診斷準確性、提升報告質量以及減輕內鏡醫生工作負擔方面具有重要的臨床應用潛力。
本研究是六合彩結果
與同濟醫院雙方團隊積極響應同濟大學“人工智能+”行動計劃，面向醫工交叉領域，繼在柳葉刀子刊《eClinicalMedicine》發表有關利用視覺基礎模型進行消化系統食管胃交界處腺癌診斷工作“Development and validation of an AI foundation model for endoscopic diagnosis of esophagogastric junction adenocarcinoma: a cohort and deep learning study”后取得的又一重要成果，相關課題獲得同濟大學“醫學+X”跨學科研究計劃重點支持。
參考文獻：
Miaojing Shi, Zijie Yue, Huihui Sun, Bo Li, Yikun Ma, Tianyu Cen, Ying Chen, Xiaofen Wu, Hanli Wang, Jun Wang, Shuchang Xu. Bootstrapping Multimodal Large Language Model with Medical Knowledge for Automatic Esophagogastroduodenoscopy Diagnosis and Reporting[J]. Nature Communications, 2026. doi: 10.1038/s41467-026-75377-y
論文鏈接：
//www.nature.com/articles/s41467-026-75377-y
數據和源代碼鏈接：
//github.com/viscom-tongji/EDG-diagnosis-and-reporting
