用医院真实数据训练的AI读脑CT/MRI，诊断156种疾病超越GPT-5——Nature Medicine发表NeuroVFM

一、研究背景

过去两年，医学AI的主流发展路径是"互联网尺度学习"——将海量网络图文喂给大模型，训练出像GPT-5、Claude Sonnet 4.5这样的通用智能系统。但神经影像（脑部CT和MRI）几乎不会出现在互联网上：它们是包含患者面部特征的私密三维体数据，格式复杂且高度依赖专业解读。因此，这些前沿通用模型在脑影像任务上往往力不从心。

密歇根大学Todd Hollon团队提出了另一条根本不同的路径——“健康系统学习”（Health System Learning）。这个范式的核心思想很简单：不做数据策展、不用人工标注、不依赖放射学报告，直接从一家医院近20年积累的、原封不动的常规临床影像里学习。研究团队将这一理念实现为NeuroVFM（Neuroimaging Vision Foundation Model），并于2026年7月10日在Nature Medicine上发表了这一成果。

二、研究创新点

本研究的核心创新可以概括为三个层面：

（1）提出"健康系统学习"新范式。传统医学AI依赖大量人工标注或配对的放射学报告进行监督训练，而NeuroVFM直接从未经整理的原始临床影像中自监督学习，打破了数据标注的瓶颈。

（2）开发Vol-JEPA体积联合嵌入预测架构。这是JEPA（Joint Embedding Predictive Architecture）在三维医学影像上的首次大规模应用。采用学生-教师双网络结构，通过在隐空间中预测被掩码区域的表示来学习，完全不需要体素级数据增强、负样本对、生成式解码器或配对报告。

（3）单一冻结编码器覆盖156项诊断任务。NeuroVFM的视觉编码器在预训练后冻结，不需要针对每个下游任务微调，即可同时覆盖82种CT诊断和74种MRI诊断，实现了真正的"通才型"医学AI。

三、技术原理

NeuroVFM基于Vol-JEPA架构，其训练流程可分为以下关键步骤：

训练数据：使用密歇根医学院2005–2025年积累的566,915例神经影像检查、共524万个临床CT/MRI体积（约365万MRI + 159万CT），覆盖超过20年的真实临床数据。

Vol-JEPA架构：将三维体积分割为非重叠的4×16×16体素图块。每个体积分为两部分：较小的可见上下文区域（MRI采样25%、CT采样20%）和较大的掩码目标区域。学生编码器处理上下文区域生成潜在表示，预测器结合上下文表示和位置信息预测目标区域的潜在表示，教师编码器通过学生编码器的指数移动平均（EMA）更新并提供预测目标。训练目标是最小化预测表示与教师生成表示之间的平滑L1距离。

关键设计细节：CT数据采用多窗口训练策略——脑窗权重0.7、硬膜下窗0.15、骨窗0.15——确保模型同时学习不同组织对比度下的特征。图块丢弃率设为20%以增加训练难度。

四、实验结果

NeuroVFM在多项评估中展现出全面的性能优势：

诊断性能：在156项诊断任务中，CT宏平均AUROC达92.68（95% CI 92.27–93.08），MRI宏平均AUROC达92.49（95% CI 92.14–92.82），全面超越HLIP、NeuroMAE、DINOv3、BiomedCLIP等对照模型（AUROC提升1.55–3.87不等）。

标注效率：NeuroVFM所需的阳性训练样本比传统方法少31.5%–55.9%，意味着在临床稀有疾病上也能快速适配。

报告生成超越GPT-5：在300例专家验证的影像研究上，NeuroVFM结合开源语言模型生成的放射学报告，三级紧急程度准确率超越GPT-5 +11.0%，紧急发现检测超越+10.5%，关键发现错误率约为GPT-5的一半（10% vs 20%）。盲法专家以超过2:1的比例优先选择NeuroVFM生成的报告。

前瞻性临床分诊：在一项为期一周、覆盖1,155例真实急诊影像的前瞻性研究中，NeuroVFM组平衡准确率达92.6%，远超GPT-5的71.2%。关键发现漏检率方面，NeuroVFM仅为GPT-5的约四分之一。

五、应用前景

NeuroVFM的"健康系统学习"范式为医疗AI的落地提供了全新的可能性：

急诊影像智能分诊。在放射科医生短缺的背景下，NeuroVFM能自动识别脑出血、急性梗死等需要紧急处理的影像征象，将真正需要优先处理的病例推到队列前面，为抢救争取宝贵时间。

基层医疗赋能。神经影像诊断高度依赖专家经验，基层医院往往缺乏神经放射学专科医生。一个冻结的NeuroVFM编码器即可覆盖上百种诊断，结合开源大语言模型生成结构化报告，有望将三甲医院的诊断能力下沉至县级医院。

作为AI医疗软件开发的基础模块。NeuroVFM的预训练编码器和Vol-JEPA架构可作为"视觉感知前端"，与各类大语言模型（如GPT-5、Claude等）组合，构建面向不同临床场景的AI辅助诊断系统。这正是思陌智能科研服务关注的方向——将前沿AI模型工程化为可落地的临床工具。

六、结论

NeuroVFM的研究证明了一个重要事实：医学AI不需要依赖互联网规模的公共数据。一家医院20年积累的常规临床影像，配合合适的自监督学习架构，就能训练出在诊断、报告生成和临床分诊方面全面超越GPT-5等前沿模型的通才型系统。虽然该模型目前仍是研究工具、尚未获得监管批准用于临床诊断，但其开放的代码和权重为全球医疗AI开发者提供了极有价值的参考框架。

“健康系统学习"不仅是技术路线的创新，更提示了一种务实的落地路径：让每家医院用自己的数据训练自己的AI。

参考文献

1. Kondepudi A, Rao A, Zhao C, et al. Health system learning enables generalist neuroimaging models.Nature Medicine, 2026. DOI: 10.1038/s41591-026-04497-1 | PMID: 42432292

2. Assran M, et al. Self-supervised learning from images with a joint-embedding predictive architecture.Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023: 15619–15629.

3. Lyu Y, et al. Learning neuroimaging models from health system-scale data.Nature Biomedical Engineering, 2026. DOI: 10.1038/s41551-025-01608-0

4. Moor M, et al. Foundation models for generalist medical artificial intelligence.Nature, 2023, 616: 259–265. DOI: 10.1038/s41586-023-05881-4