武汉大学/华中科大/南洋理工联合发布《Nature Communications》:DeepSeek赋能的Janus-Pro-CXR开启胸片AI诊断轻量化时代

点击蓝字

关注我们

全球放射科医师短缺已成为制约医疗服务可及性的关键瓶颈——低收入地区每百万居民仅配备1.9名放射科医师，而高收入国家这一数字高达97.9倍。在这一背景下，胸部X光（CXR）作为最基础且应用最广泛的影像学检查手段，其诊断负荷过重问题尤为突出。尽管人工智能在医学影像领域展现出巨大潜力，但现有AI系统多聚焦于特定疾病的分类任务，难以满足临床复杂诊疗需求；更重要的是，大多数研究仅依赖回顾性数据评估，缺乏真实临床环境下的前瞻性验证。

正是为破解这一"叫好不叫座"的落地困境，武汉大学杜博、许永超，华中科技大学同济医学院附属协和医院郑传胜，以及新加坡南洋理工大学Dacheng Tao等通讯作者所在团队的相关研究论文以"A DeepSeek-powered AI system for automated chest radiograph interpretation in clinical practice"为题，已发表在期刊《Nature Communications》。该研究基于DeepSeek开源多模态大语言模型Janus-Pro，通过领域特定微调开发了轻量级胸部X光解读系统Janus-Pro-CXR，并在27家医疗中心完成了多中心回顾性验证与前瞻性临床研究（NCT07117266），为AI辅助放射学实践的临床转化提供了高质量循证依据。

01

架构革新：10亿参数模型的"轻功水上漂"

当前医疗AI模型普遍面临三重困境：参数规模庞大导致边缘部署困难、任务针对性不足影响临床适用性、闭源特性阻碍技术推广。Janus-Pro-CXR的核心突破在于实现了高性能与轻量化的精妙平衡。

该系统基于DeepSeek开源的Janus-Pro统一多模态大模型，利用MIMIC-CXR与CheXpert Plus两大公开数据集进行监督微调（Supervised Fine-Tuning）。模型仅含10亿参数，在使用GeForce RTX 4060（8GB显存）的普通笔记本电脑上即可实现1-2秒的影像分析延迟。这一轻量化设计不仅大幅降低了硬件门槛，更使得资源受限地区也能够部署专业级AI辅助诊断工具——从"实验室玩具"真正走向"临床工作伙伴"。

02

验证体系：从27中心回顾性数据到真实世界前瞻试验

一项医疗AI技术的可信度，取决于其验证策略的严谨性与临床场景的代表性。本研究构建了递进式三级验证体系：

在公开数据集测试中，Janus-Pro-CXR在肺不张、心脏肥大、肺水肿等五大关键胸腔疾病检测上展现出卓越性能。更具说服力的是，在CXR-27多中心回顾性研究中，相较于通用多模态大模型ChatGPT 4o和未经微调的基线Janus-Pro，Janus-Pro-CXR生成的报告质量评分（3.57±0.83）和一致性评分（3.57±0.74）均实现了统计学显著优势（P<0.001）。

03

前瞻验证：效率提升18.3%，质量与速度兼得

前瞻性研究是检验AI临床价值的"试金石"。本研究招募296名患者，设计了三组对照：

• AI生成组：完全由Janus-Pro-CXR自动生成报告

• 常规诊疗组：由初级放射科医师独立完成报告

• AI辅助组：初级放射科医师参考AI生成报告后完成报告

结果令人振奋：AI辅助组的报告质量评分显著高于常规诊疗组（P<0.001），同时阅片时间降低了18.3%——这一数据直接回应了临床最关心的"AI是否拖慢工作流"之问。偏好测试显示，评估专家更倾向于选择AI辅助组报告而非单纯AI生成报告，证明人机协作模式优于单一主体。值得注意的是，在复杂病例（≥3项影像发现）亚组分析中，AI辅助优势更为明显，表明该系统在处理疑难病例时具有显著临床价值。

04

落地启示：从算法优化到临床工作流整合

Janus-Pro-CXR的临床转化价值体现在三个维度：

技术可及性：基于开源DeepSeek生态，微调成本低，支持在资源受限地区部署。研究团队承诺开源模型架构，这将极大加速技术普惠进程。

工作流兼容性：1-2秒的响应延迟满足实时辅助需求，结构化报告输出符合临床规范，无需改变现有影像诊断流程即可无缝嵌入。

能力放大效应：研究显示，在AI辅助下，初级医师的报告质量提升幅度显著高于资深专家——这意味着AI系统实质上充当了"资深经验放大器"，有望缩小不同年资医师间的诊断能力鸿沟，对基层医疗机构尤为宝贵。

05

审慎展望：医疗AI临床落地的路径与挑战

Janus-Pro-CXR的研究设计为医疗AI转化医学研究树立了标杆：从大规模公开数据集预训练，到多中心回顾性验证，再到严格设计的前瞻性临床试验——这一"三级跳"验证路径确保了技术声明的可靠性。

然而，在乐观情绪之外仍需保持清醒：当前前瞻性研究样本量（296例）虽满足初步验证需求，但更大规模、更长随访期的多中心随机对照试验（RCT）仍是必要的下一步。此外，当AI系统深度介入诊断决策后，潜在的法律责任界定、算法可解释性要求、以及不同人群间的算法公平性等问题，都将成为监管框架必须回应的议题。

无论如何，Janus-Pro-CXR证明了：通过领域特定微调和精巧的工程优化，开源大模型完全可以转化为 clinically useful 的轻量级医疗工具。这一范式不仅为胸部X光诊断开辟了新的可能性，更为其他影像模态的AI辅助诊断提供了可复制的技术路径——开源、轻量、验证充分、临床导向。