三家公司如何将基础模型引入放射学领域
放射学领域正成为医疗科技中率先采用基础模型的行业。HOPPR通过授权数据训练模型并供第三方微调，Aidoc已获FDA对两个衍生模型的许可，Radiology Partners则试点两款基于大语言和视觉模型的工具。专家指出，尽管技术潜力巨大，其临床效益仍需验证，且部署涉及大量训练与流程整合工作。
编者按：这是关于医疗科技行业基础模型应用两篇系列报道中的第二篇。您可以在此阅读第一篇报道。
在放射学领域，医疗科技公司正推出首批基于基础模型的人工智能设备，尽管这类技术的监管路径仍不明朗。基础模型是一种在大型数据集上训练、能够提供多种输出（例如在一次扫描中检测多种健康状况）的AI类型。GE医疗等大型医疗科技企业、Nvidia和Amazon Web Services等技术公司、初创企业以及放射学诊所都在推出各自的模型。
放射学部门是这一热门技术的早期采用者，其承诺是更高的准确性和更快的模型开发速度，但专家表示，其益处仍有待证实。
AI初创公司HOPPR的首席执行官兼联合创始人Khan Siddiqui曾在微软从事医疗AI和医学影像工作。Siddiqui是一名受过专业训练的放射科医生，于2019年创立了HOPPR。在临床医生持续短缺的背景下，他注意到放射学工作量不断上升。
“我的配偶也是一名放射科医生——我们开始看到人们精疲力竭，”Siddiqui说。
自20世纪90年代末美国食品药品监督管理局（FDA）授权首批工具以来，AI模型已用于放射学领域。截至2025年5月，该机构仅在放射学领域就已批准超过950款AI设备，占所有授权AI设备的大多数。
其中许多模型是一次性解决方案，例如用于帮助标记扫描中出血情况的模型。然而，这并不总是与患者在放射科就诊的流程相符。
“患者前来就诊，主诉头痛。头痛可能是出血、可能是癌症、可能没事、也可能是创伤，”Siddiqui说，并补充道，要覆盖所有可能的病症，就需要购买许多应用程序。
Siddiqui希望构建一个大型预训练模型，可跨多种健康状况、患者人口统计特征和扫描仪类型使用。为实现这一目标，他需要大量数据，这意味着要围绕隐私、安全和同意建立保护措施。
构建基础模型是一个“非常漫长、非常复杂且成本高昂的过程，”Siddiqui说。“我们谈论的是数千万张图像。”
Siddiqui表示，HOPPR在包含数百种健康状况的大型胸部X光数据集上训练了一个基础模型。但该公司并未直接将该模型提交给FDA。相反，它将该模型提供给其他医疗科技公司，这些公司希望以HOPPR的基础模型作为自己微调模型的基础。
HOPPR的数据实践是其中的重要部分，因为如果一家公司想要将AI模型用于商业销售，他们必须知道数据的来源并拥有使用数据的权利。许多研究数据限制商业用途，而且很难知道从互联网抓取的图像的来源。
“由于我们直接从医疗系统和大型放射学诊所获取数据，我们确切知道数据的来源，并能在需要时提供给FDA，”Siddiqui说。
门诊影像服务提供商RadNet的子公司DeepHealth是HOPPR首批采用该技术的商业合作伙伴之一，Siddiqui说。
将基础模型提交FDA审批
与HOPPR一样，Aidoc也将基础模型视为开发更具体放射学工具的起点。该公司首席执行官Elad Walach表示，在ChatGPT发布后，公司于大约两年半前开始研发自己的基础模型。
“这些年付出了巨大的努力，但大约六个月前，我们取得了第一个可用模型的重大突破，”Walach说。“我们经历了很多试错，投入了大量资源。”
在去年的北美放射学会（Radiological Society of North America）会议上，Aidoc首次展示了其CARE基础模型，这是一个使用CT和X光图像构建的视觉-语言模型，并支持笔记、化验和生命体征等临床信息。
“FDA目前的工作方式仍然是按疾病逐一审批。”
Elad Walach
Aidoc首席执行官
Walach表示，Aidoc此后已获得FDA对基于该技术的两个衍生模型的许可：一个肋骨骨折分诊工具和另一个用于检测主动脉夹层（一种由主动脉撕裂引起的严重疾病）的工具。
“FDA目前的工作方式仍然是按疾病逐一审批，”Walach说。“准确性……必须非常高才能真正帮助医生。”
Walach表示，公司的CARE模型比过去的AI工具更准确、更全面。例如，在包含数十种疾病的腹部CT扫描中使用该技术，“对于每一种疾病，它都比我们之前的每一个模型表现更好，”Walach说。
与HOPPR的Siddiqui一样，Walach也表示，基础模型缩短了衍生模型的开发时间。他的目标是在未来三年内用AI模型覆盖100多种疾病，“这在一年前是真正无法想象的。”
Aidoc还计划在未来向其他开发者开放其基础模型。
放射学机构试点基础模型
覆盖超过3,400个服务点的全国性放射学机构Radiology Partners采取了不同的方法。该公司开发了两个不同的模型，正在与放射科医生进行试点。
第一个工具名为Mosaic Reporting，使用大语言模型和语音识别来结构化放射学报告，并减少口述笔记的时间。Radiology Partners迄今已将该模型推广给约316名放射科医生，临床人工智能副首席医疗官Nina Kottler说。由于该工具仅使用语言，不属于FDA的监管范围。
“很多人因为这项技术能力太强而认为……有人可以直接买来安装，也许做一点训练就行了。事实远非如此。”
Nina Kottler
Radiology Partners临床AI副首席医疗官
第二个模型Mosaic Drafting则更为复杂。它结合了大语言模型和大视觉模型来解读图像并预起草X光报告。随后由放射科医生审查、编辑并签署结果。
由于该模型解读图像，因此必须经过FDA审查。Kottler表示，Radiology Partners正在机构审查委员会（institutional review board）下测试该工具，目前已有57名放射科医生可以使用它。
迄今为止的反馈“一致积极”，Kottler说，同时补充道，公司正在缓慢推进部署。
“很多人因为这项技术能力太强而认为……有人可以直接买来安装，也许做一点训练就行了。事实远非如此，”Kottler说。“需要做大量工作来进行培训和变更管理，理解它如何融入工作流程，并确保获得反馈和持续监控。”
各机构仍在摸索如何处理这些方面的问题。
Kottler将基础模型视为AI的未来，并补充说，Radiology Partners大约一年来没有考虑过狭窄的AI解决方案。
“人们如果对此感到担忧，或者只是听说过幻觉现象而感到害怕，我会告诉他们……参与进来，”Kottler说。“这将成为你未来的一部分。特别是如果你是临床医生或参与临床护理，你需要成为推动它的人。”