当AI不再“照本宣科”：零样本解剖识别如何重塑医学影像自动化
在医学影像自动化的链条中，解剖区域的准确识别是第一步，却也是最容易被忽视的瓶颈。长期以来，系统依赖DICOM文件中的元数据——那些嵌入在扫描图像头文件中的患者体位、扫描范围等信息——来判断图像属于胸部、腹部还是盆腔。然而，现实远比理想复杂：不同厂商设备写入标准不一，操作人员录入疏忽，甚至同一患者多次扫描的标签混乱，都让这些“数字路标”变得不可靠。当自动化流程因元数据错误而误判解剖区域，后续的分割、诊断或随访分析便可能全盘皆输。
从“数据喂养”到“知识唤醒”：AI范式的悄然转变
传统解决方案多采用监督学习，即通过大量标注好的CT和MR图像训练模型识别不同体部区域。这种方法的局限显而易见：标注成本高昂，泛化能力受限于训练数据分布，且难以应对罕见扫描范围或异常解剖结构。更关键的是，它本质上仍在“模仿”已有模式，而非真正理解人体解剖逻辑。
而此次提出的三种零样本方法，标志着一种范式的跃迁——不再依赖标注数据，而是挖掘预训练大模型中已编码的医学知识。第一种方案是“分割驱动的规则系统”：利用已有的多器官分割模型（如肝脏、肾脏、脊柱等）对图像进行初步分割，再根据器官的空间分布规律（如肝脏主要位于右上腹）反推整体解剖区域。这种方法看似简单，实则巧妙——它将复杂的区域识别问题转化为可解释的解剖逻辑推理，避开了对元数据的依赖。
第二种尝试引入多模态大语言模型（MLLM），让AI“阅读”放射科医生定义的规则（如“若图像包含心脏且位于胸腔中部，则属于胸部区域”），再结合视觉输入进行判断。第三种更进一步，将分割结果作为“视觉证据”输入MLLM，形成“看见+理解”的双通道决策机制。
规则系统胜出：可解释性在医疗AI中的终极价值
在887例涵盖CT与MR、扫描范围各异的真实临床数据测试中，结果出人意料：最“朴素”的分割驱动规则系统表现最佳，加权F1分数在CT上达0.947，MR上为0.914，且在不同模态和异常扫描中保持稳定。相比之下，MLLM在视觉特征明显的区域（如含颅脑的头部扫描）表现尚可，但在边界模糊或结构重叠区域（如胸腹交界处）易受干扰；而融合分割信息的MLLM虽理论上更强大，却因模型对“证据”的理解偏差暴露出根本性局限——它仍难以像人类医生那样灵活整合视觉与语义信息。
这一结果揭示了医疗AI的一个深层逻辑：在关键临床场景中，可解释性与可靠性远比“黑箱”性能更重要。规则系统之所以胜出，正因为它每一步决策都可追溯——哪个器官被检测到，依据什么空间关系推断出区域，整个过程透明且可验证。而MLLM尽管语言流畅、看似智能，其内部推理过程仍缺乏医学意义上的严谨性，一旦出错，医生难以定位原因。
零样本不是终点，而是医疗AI自主进化的起点
零样本解剖识别的意义，远不止于解决DICOM元数据不可靠这一具体问题。它代表了一种更根本的可能性：AI能否像人类专家一样，凭借对解剖学、生理学等基础医学知识的理解，在无监督条件下完成复杂判断？这种“知识驱动”的路径，有望打破当前医疗AI对海量标注数据的依赖，让系统在医院间迁移、新设备适配、罕见病例处理等场景中更具韧性。
未来，我们或许会看到更多“预训练知识库+轻量级推理引擎”的组合。例如，将解剖学图谱、胚胎发育规律、常见变异模式等结构化知识嵌入模型，使其在面对不完整扫描或异常解剖时，仍能基于医学常识做出合理推断。同时，随着多模态模型对医学图像的视觉理解能力提升，结合分割证据的MLLM也可能找到更优的融合策略——不是简单拼接，而是建立视觉特征与解剖语义之间的深层映射。
这场静默的变革，正在重塑医学影像自动化的底层逻辑。当AI不再只是“记住”数据，而是开始“理解”人体，我们离真正智能的辅助诊断系统，又近了一步。