「聆音」EchoCare超聲大模型在港發佈 助推AI醫療突破

在人工智能技術快速發展的全球浪潮中，醫療健康領域正邁入智能化轉型的關鍵階段。作為臨床診斷的重要手段，超聲影像長期面臨效率低下、診斷標準不統一以及AI 模型精度不足等問題，亟需技術突破與產業協同。在此背景下，中國科學院香港創新研究院人工智能與機器人創新中心(CAIR)於9月17日在香港發佈了其最新科研成果——「聆音」EchoCare 超聲大模型。

發佈會現場， CAIR 主任劉宏斌研究員、CAIR 副主任孟高峰研究員、歐洲科學院院士、美國國家發明家科學院院士、香港創新研究院羅傑波教授、香港中文大學醫學院外科學系教授、心胸外科主任黃鴻亮教授等國內外知名學者、臨床專家和10餘家媒體代表齊聚一堂，共同見證了這一AI 超聲醫學領域的里程碑式突破。

(由左至右)劉宏斌研究員、羅傑波教授、黃鴻亮教授、孟高峰研究員

「聆音」EchoCare 超聲大模型依託目前所知首個規模超過400萬張的超聲影像數據集進行訓練。該模型引入「結構化對比自監督學習框架」，基於醫學先驗的層次化樹形標籤，實現多標籤語義關係結構化學習與隱式編碼，通過圖像掩膜重建技術、自適應困難圖塊挖掘技術、漸進式訓練策略等方法，有效提升了模型對超聲影像深層語義的建模能力與泛化性能。

測試結果表明，「聆音」EchoCare 在超聲圖像分割、分類、檢測、回歸、增強等七大醫學任務及十餘項下游應用中，均取得當前最優性能表現，模型相對當前 SOTA 方法性能平均提高3%~5%。

在開場致辭中，羅傑波教授對「聆音」EchoCare 超聲大模型的成功研發表達了熱烈祝賀，並高度評價這是人工智能與醫學應用深度融合的又一重大突破。他指出，「聆音」EchoCare 超聲大模型在醫院常規檢查中的應用，不僅能夠顯著降低對專業人員的依賴，還能協助醫生更高效、更精準地進行診斷。這一技術的應用將有效提升醫療服務效率，同時為醫療資源的優化配置提供更多可能性。

羅傑波教授開場致辭

CAIR 副主任孟高峰研究員在發佈會上解釋了「聆音」這一名稱源於成語「聆音察理」，出自南朝劉勰的《文心雕龍・知音》，文中提到“操千曲而後曉聲，觀千劍而後識器”與超聲大模型的研發理念高度契合。他補充介紹道，EchoCare 創新性地採用了結構化對比自監督學習方法，無需大量數據標註即可實現特徵學習與下游任務的解耦，實現超聲領域先驗知識內化以及跨任務知識遷移。

隨後，孟高峰研究員展示了「聆音」EchoCare 超聲大模型的核心技術亮點、數據優勢及應用成效。他進一步介紹了模型在山東大學齊魯醫院婦產科 1556 例卵巢腫瘤超聲病例和中南大學湘雅醫院1000餘例甲狀腺超聲檢查中的具體案例驗證，其性能顯著優於現有SOTA方法。

孟高峰研究員講解超聲大模型技術亮點

「聆音」EchoCare 的標準化分析能力可有效降低重大疾病的漏診與誤診率，顯著提升臨床診斷的效率與規範性，為基層醫療工作者提供強有力的技術支持。在案例分享環節，香港中文大學醫學院黃鴻亮教授首先介紹了「聆音」EchoCare 超聲大模型在心臟超聲主動脈瘤檢測與分析方面的回顧性驗證結果，並展望了該大模型與機器人技術結合後在臨床中的潛在應用價值。在現場演示環節，他導入兩段超聲掃查視頻，模型迅速捕捉並解析出視頻中的關鍵醫學信息，成功識別出異常病例，並自動生成了相應的超聲報告供醫生參考。

黃鴻亮教授展示超聲大模型在心臟領域的臨床應用

在媒體問答環節，劉宏斌研究員、孟高峰研究員及黃鴻亮教授共同接受了鳳凰衛視等媒體的提問，就 EchoCare 超聲大模型的技術細節、臨床應用前景及商業化路徑等問題展開了深入交流。隨後，媒體代表對特邀嘉賓進行了專訪，並參觀了 CAIR 打造的具身智能手術室平台，近距離體驗了中心在AI 醫療領域的最新成果。

黃鴻亮教授、劉宏斌研究員、孟高峰研究員現場接受傳媒採訪

中國科學院香港創新研究院人工智能與機器人創新中心開源發布的「聆音」EchoCare 超聲大模型，通過打破傳統超聲設備之間的兼容壁壘，激活多中心數據價值，為醫療機構提供了可復用的AI基礎設施。這一成果不僅加速了超聲AI規模化應用的落地，更為智能健康產業升級注入了持續的創新動能。

（由左至右）劉宏斌研究員、羅傑波教授、黃鴻亮教授、孟高峰研究員

孟高峰研究員講解超聲大模型技術亮點

黃鴻亮教授展示超聲大模型在心臟領域的臨床應用

黃鴻亮教授、劉宏斌研究員、孟高峰研究員現場接受傳媒採訪

羅傑波教授開場致辭

香港高等教育科技學院與本地科技企業及內地團隊合作，研發一項非入侵性的乳房血流健康檢測技術，建立「近紅外血液動力學乳癌篩查成像系統」，透過評估女性乳房組織的血流量等，並利用人工智能分析篩查數據，識別乳房異常血流區域，及早發現問題和接受治療。

香港高等教育科技學院與本地科技企業及內地團隊合作，研發一項非入侵性的乳房血流健康檢測技術。網站圖片

高科院食品及健康科學學系主任陳舜宏指出，篩查人員會將探測儀放置女性乳房上，通過近紅外線訊號技術，15分鐘內可獲成像回饋。他指出，新技術篩選成本較低，初步估計檢查費用約100元。

團隊2024年11月至2025年5月，分析1000多名接受試驗者的乳房血流數據並進行臨床驗證，首階段系統成功辨識潛在乳癌組織準確率為86.5%，相信隨著人工智能系統優化，可進一步提高系統的準確度。

新技術篩選成本較低，初步估計檢查費用約100元。家計會圖片

研究團隊運用人工智能演算法，確認異常血流、血氧和氧代謝水平與潛在乳房異常組織的關係，發現成像區域的紅色越深，該位置異常代謝反應越高，意味潛在癌症風險增加。

高科院期望，新技術可推廣至社區，及早發現乳房病變，擴大治療窗口，減低公共醫療體系壓力。校長劉建德指出，今次「政、產、學、研、投」合作項目有助回應醫療「痛點」；院校正籌備2026年內升格為應用科學大學，會通過引入或研發尖端科技促成跨學科研究與實踐。