近日，斯坦福大学医学院与谷歌健康实验室联合研发的新型人工智能诊断系统OmniScan在《自然·医学》期刊发表突破性研究成果。该系统采用创新的跨模态神经网络架构，能够同步分析CT影像、病理切片和电子健康记录等多源医疗数据。
研究团队在为期18个月的临床试验中，对来自全美32家医疗机构的12,450例肺部结节样本进行验证测试。结果显示，OmniScan系统对早期肺癌的识别准确率达到98.7%，显著优于传统放射科医生单独阅片的89.3%准确率。特别值得注意的是，该系统将II期肺癌的漏诊率从传统方法的17.6%降至5.2%，这一改进可能挽救数万患者的生命。
"我们的核心突破在于开发了自适应特征融合技术，"项目首席科学家艾米丽·陈博士解释道，"系统能自动识别不同数据源中的关键生物标志物，并建立动态权重分配机制。例如当CT显示磨玻璃影时，算法会优先调取患者的基因甲基化数据进行交叉验证。"
该技术已获得美国食品药品监督管理局（FDA）的突破性设备认定。目前正在进行涉及5,000名高风险人群的III期临床试验，主要评估系统在真实世界环境中的稳定性。研究团队表示，算法已成功适配至便携式超声设备，未来有望在基层医疗机构部署。
值得注意的是，该AI系统严格遵循HIPAA隐私保护标准，所有患者数据均经过三重匿名化处理。研究团队强调，该技术定位为辅助诊断工具，最终诊疗决策仍需由持证医师作出。随着训练数据集持续扩展，系统正在增加对胰腺癌和卵巢癌的筛查能力。
【全文结束】
