责编 | 兮 医学人工智能 ( AI ) 能识别视网膜图像中所蕴藏的健康迹象,并因此在推进眼科疾病和系统疾病的诊断上具有巨大潜力 【1】 。然而,开发高性能AI模型通常需要大量高质量的标签,医学专家的标注容量已经无法满足呈指数级上涨的模型开发需求,导致大量医疗数据未被标注且充分利用。自监督学习可以通过“预文本任务” (pretext task) 直接从数据中获取监督信号,而不是依靠专家知识来获得标签 【2,3】 ,从而减轻数据低效性。通过自监督学习,AI模型可以获得强大的表征学习能力 (representation learning) ,并在下游任务中提高微调的性能,例如诊断糖尿病黄斑水肿 【4】 。然而,由于大规模结构化临床数据和多元信息的稀缺,泛化性AI模型的开发和多样的任务验证一直缺失。 2023年9月13日,来自University College London与Moorfields Eye Hospital的周玉昆 (Yukun Zhou) 和Pearse A. Keane等研究人员,在Nature杂志上发表了题为 A foundation model for general...