エコーケア - 香港科学院オープンソース超音波ベース大型モデル

10.1K 00

エコーケアとは？

EchoCareは、中国科学院（CAS）香港革新研究所の人工知能・ロボット革新センター（CAIR）によって開発された超音波ベースの大規模モデルであり、多施設、多地域、多民族、50以上の人体臓器をカバーする世界最大の超音波画像データセット（450万枚以上）に基づいて学習される。このモデルは、構造化コントラスト自己教師あり学習フレームワークを採用しており、専門家の注釈に依存することなく、超音波画像の深い意味的特徴を自律的に学習することができ、従来の超音波AIの不十分な汎化能力とデータ注釈への強い依存の問題を効果的に解決する。卵巣腫瘍の良性・悪性判定の感度は85.6%、特異度は88.7%、甲状腺結節の平均検出精度は88.8%に達し、総合的な性能は世界のトップモデルを3%～5%上回り、山東大学Qilu病院、中南大学Xiangya病院などでレトロスペクティブな検証が完了している。

エコーケアの特徴

大規模多施設データトレーニング20以上の国と地域、多施設、多民族、全身の52以上の臓器をカバーする450万枚以上の画像を含む世界最大の超音波画像データセットに基づき、モデルの幅広い適用性と強力な一般化能力を保証する。
教師あり学習フレームワークの構造化比較このモデルは、専門家のアノテーションに依存することなく、超音波画像の深い意味的特徴を独立して学習することができ、特徴学習を下流のタスクから切り離し、モデルのマルチサイトおよびマルチタスクへの適応性を効果的に向上させる。
階層型2ブランチ・アーキテクチャ臨床診断ロジックをシミュレートするための画像エンコーダとデュアルブランチデコーダの革新的な設計、エッジ特徴のロバスト性を強化し、診断精度と解釈可能性を向上させるために解剖学的構造の特徴を徐々に抽出し、分類する。
優れた臨床性能卵巣腫瘍の良悪性分類の感度は85.6%、特異度は88.7%に達し、甲状腺結節の平均検出精度は88.8%でした。
多施設での臨床検証と現場での応用将来的には、ハードウェアベンダーと協力し、プライマリケアや救急医療の場面での大規模な応用を推進し、診断効率の向上と標準化に貢献する予定である。

リスンエコーケアの主な利点

超大規模多施設データトレーニング世界中の20以上の国と地域、多施設、多民族、52以上の全身臓器をカバーする400万枚以上の画像を含む世界最大の超音波画像データセットに基づき、モデルの幅広い適用性と強力な汎化能力を保証します。
革新的な自己教師あり学習フレームワーク初めて採用した「構造化コントラスト自己教師あり学習」は、大量の専門家による注釈データに依存することなく、超音波画像の深い意味的特徴を独自に学習することができ、特徴学習と下流タスクの切り離しを実現し、モデルの多施設・多タスクへの適応性と学習効率を大幅に向上させる。
優れた臨床診断性能具体的には、卵巣腫瘍の良性・悪性分類タスクの感度は85.6%、特異度は88.7%、甲状腺結節検出タスクの平均精度は88.8%に達し、主要な疾患の診断漏れや誤診率を効果的に低減する。を効果的に減少させる。
強力な一般化と互換性このモデルデザインは、異なる超音波機器メーカー間のアルゴリズムの違いや医師の異なる操作習慣によって引き起こされる画像の「ばらつき」という課題を効果的に克服し、異なる機器や多様な臨床シナリオに対応する従来の超音波AIの「断片的な開発」という苦境を打破します。異なる機器や多様な臨床シナリオに対応する。

エコーケアの公式ウェブサイトは？

プロジェクトのウェブサイト:: https://echocare.cares-copilot.com/
Githubリポジトリ:: https://github.com/CAIR-HKISI/EchoCare
arXivテクニカルペーパー:: https://arxiv.org/pdf/2509.11752

エコーケアが適している人

超音波検査士と画像診断士特に、卵巣腫瘍の良性・悪性判定や甲状腺結節の検出といった複雑な診断作業において、このモデルは医師の超音波画像解析を支援し、診断の効率と精度を向上させることができます。
プライマリ・ケア組織と一般開業医医療資源が比較的乏しい草の根的なシナリオでは、このモデルは高度な超音波検査士への依存を減らし、一般開業医や経験の浅いオペレータがより標準化された超音波検査や予備診断を行うのを助け、プライマリ・ケアサービスのアクセシビリティと質を向上させることができる。
救急医療関係者このモデルは、特に緊急時のシナリオに適しており、例えば心臓大動脈瘤の迅速なスクリーニングなど、急性状態の特定を迅速に支援することができ、救急医が時間的制約の中でより正確な判断を下し、診断の見落としによる医療リスクを防ぐのに役立つ。
医学教育機関と研修生このモデルは、医学研修生が超音波画像の解釈を学び、理解するための教材として使用することができ、標準化された分析基準を提供することで、超音波診断スキルの開発プロセスを加速することができます。
超音波装置メーカーおよび医療技術企業企業は、このモデルを超音波機器に統合し、よりスマートな超音波診断システムや補助診断ソフトウェアを開発し、製品競争力を高め、超音波AI技術の大規模な上陸と商業的応用を促進するために協力することができます。