本文轉自中國生物技術發展中心，轉發僅為學習交流，若侵犯版權請聯系小編刪除。

醫學領域缺乏公開可用的標注醫學圖像，這是計算研究和教育創新的一大障礙。與此同時，許多去標識化的圖像和豐富的知識被臨床醫生在醫學Twitter等公共平臺上分享。

近日，發表在《Nature Medicine》上的一篇題為“A visual–language foundation model for pathology image analysis using medical Twitter”的文章中，斯坦福大學研究團隊開發了基于視覺和語言的醫學大模型，以助力醫學診斷與知識共享。

在該論文中，研究人員構建了一個名為OpenPath的大型數據集，其中包含208,414張病理圖像，每張圖像都與自然語言描述相配對。通過開發病理語言-圖像預訓練（PLIP）模型，研究人員充分展示了這一資源的價值。PLIP是一種多模態人工智能模型，能夠理解圖像和文本，它是基于OpenPath數據集進行訓練的，PLIP在對四個外部數據集進行新病理圖像分類時表現出色，使用戶能夠通過圖像或自然語言搜索檢索相似的病例，極大地促進了知識共享。該研究表明，公開共享的醫學信息是一個寶貴的資源，可以用于開發醫學人工智能，提升診斷、知識共享和教育水平。

注：此研究成果摘自《Nature Medicine》，文章內容不代表本網站觀點和立場，僅供參考。