上海
撰文丨王聰
編輯丨王多魚
排版丨水成文
鑒于骨轉移瘤的發病率不斷上升，計算機斷層掃描（CT）在全球范圍內被廣泛用作檢測骨轉移的首選影像學手段。骨轉移瘤的準確診斷需要全面的評估，但不同專科醫生之間的解讀差異可能導致診斷分歧。在臨床實踐中，骨轉移瘤的精準診斷需要放射科醫師、病理科醫師和腫瘤科醫師等多學科協作。
2026 年 7 月 2 日，上海交通大學醫學院附屬第六人民醫院李躍華教授、趙暉教授及 華盛頓大學王晟助理教授等 ，在 Nature 子刊Nature Biomedical Engineering上發表了題為： BoneCoT: multicentre validation of a whole-body skeleton foundation model for bone metastases guided by clinician-derived chain of thought 的研究論文。
該研究開發了一種基于 臨床醫生思維鏈引導的全身骨骼基礎模型——BoneCoT，在用于骨轉移的多中心驗證中超越了現有的 最優（SOTA）方法以及經驗豐富的放射科醫師。
在這項最新研究中，為滿足對一種能夠聯合考慮多學科信息、提供專家級見解與預測的自動化工具的需求，研究團隊提出了一種通過思維鏈微調方法增強的全身骨骼基礎模型——BoneCoT。
研究團隊在來自 30267 名患者、涵蓋 12 個骨骼部位的 2930 萬張計算機斷層掃描（CT）圖像上對模型進行了預訓練，并圍繞一個包含 26 項臨床相關任務（涉及診斷、并發癥、腫瘤類型和生物標志物）的圖譜進行了優化。在涵蓋 26 項任務及來自 10 家醫院的多中心隊列評估中，BoneCoT 在受試者工作特征曲線下面積（AUROC）上優于現有最優（SOTA）方法20%。尤為關鍵的是，在區分原發灶與轉移灶方面，BoneCoT 的受試者工作特征曲線下面積提升了40%，顯著超越了經驗豐富的放射科醫師。
這些發現表明，源自臨床醫生的推理過程能夠推動人工智能（AI）在復雜疾病中實現更綜合的診斷評估。
論文鏈接：
https://www.nature.com/articles/s41551-026-01736-1
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
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.
