Highlights & News

发表日期： 2025年9月17日

在人工智能技术快速发展的全球浪潮中，医疗健康领域正迈入智能化转型的关键阶段。作为临床诊断的重要手段，超声影像长期面临效率低下、诊断标准不统一以及AI模型精度不足等问题，亟需技术突破与产业协同。在此背景下，中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）于9月17日在香港发布了其最新科研成果——「聆音」EchoCare超声大模型。

发布会现场，CAIR主任刘宏斌研究员、CAIR副主任孟高峰研究员、欧洲科学院院士、美国国家发明家科学院院士、香港创新研究院罗杰波教授以及香港中文大学医学院外科学系教授、心胸外科主任黄鸿亮教授等国内外知名学者、临床专家和10余家媒体代表齐聚一堂，共同见证了这一AI超声医学领域的里程碑式突破。

由左至右：刘宏斌研究员、罗杰波教授、黄鸿亮教授、孟高峰研究员

首创结构化对比自监督学习框架

「聆音」EchoCare超声大模型依托目前所知首个规模超过400万张的超声影像数据集进行训练。该模型引入「结构化对比自监督学习框架」，基于医学先验的层次化树形标签，实现多标签语义关系结构化学习与隐式编码，通过图像掩膜重建技术、自适应困难图块挖掘技术、渐进式训练策略等方法，有效提升了模型对超声影像深层语义的建模能力与泛化性能。

测试结果表明，「聆音」EchoCare在超声图像分割、分类、检测、回归、增强等七大医学任务及十余项下游应用中，均取得当前最优性能表现，模型相对当前SOTA方法性能平均提高3%~5%。

智慧医疗普惠化的重要里程碑

在开场致辞中，罗杰波教授对「聆音」EchoCare超声大模型的成功研发表达了热烈祝贺，并高度评价这是人工智能与医学应用深度融合的又一重大突破。他指出，「聆音」EchoCare超声大模型在医院常规检查中的应用，不仅能够显著降低对专业人员的依赖，还能协助医生更高效、更精准地进行诊断。这一技术的应用将有效提升医疗服务效率，同时为医疗资源的优化配置提供更多可能性。

罗杰波教授致辞

聆音察理，鉴貌辨色

CAIR副主任孟高峰研究员在发布会上解释了“聆音”这一名称源于成语“聆音察理”，出自南朝刘勰的《文心雕龙·知音》，文中提到“操千曲而后晓声，观千剑而后识器”与超声大模型的研发理念高度契合。他补充介绍道，EchoCare创新性地采用了结构化对比自监督学习方法，无需大量数据标注即可实现特征学习与下游任务的解耦，实现超声领域先验知识内化以及跨任务知识迁移。

随后，孟高峰研究员展示了「聆音」EchoCare超声大模型的核心技术亮点、数据优势及应用成效。他进一步介绍了模型在山东大学齐鲁医院妇产科1556例卵巢肿瘤超声病例和中南大学湘雅医院1000余例甲状腺超声检查中的具体案例验证，其性能显著优于现有SOTA方法。

孟高峰研究员讲解超声大模型技术亮点

减负医生，造福患者，临床价值巨大

「聆音」EchoCare的标准化分析能力可有效降低重大疾病的漏诊与误诊率，显著提升临床诊断的效率与规范性，为基层医疗工作者提供强有力的技术支持。在案例分享环节，香港中文大学医学院黄鸿亮教授首先介绍了「聆音」EchoCare超声大模型在心脏超声主动脉瘤检测与分析方面的回顾性验证结果，并展望了该大模型与机器人技术结合后在临床中的潜在应用价值。在现场演示环节，他导入两段超声扫查视频，模型迅速捕捉并解析出视频中的关键医学信息，成功识别出异常病例，并自动生成了相应的超声报告供医生参考。

黄鸿亮教授展示超声大模型在心脏主动脉瘤筛查上的临床应用

各界观点：科技以人为本，AI深耕现实

在媒体问答环节，刘宏斌研究员、孟高峰研究员及黄鸿亮教授共同接受了凤凰卫视等媒体的提问，就EchoCare超声大模型的技术细节、临床应用前景及商业化路径等问题展开了深入交流。随后，媒体代表对特邀嘉宾进行了专访，并参观了CAIR打造的具身智能手术室平台，近距离体验了中心在AI医疗领域的最新成果。

黄鸿亮教授、刘宏斌研究员、孟高峰研究员接受媒体问答

中国科学院香港创新研究院人工智能与机器人创新中心开源发布的「聆音」EchoCare超声大模型，通过打破传统超声设备之间的兼容壁垒，激活多中心数据价值，为医疗机构提供了可复用的AI基础设施。这一成果不仅加速了超声AI规模化应用的落地，更为智能健康产业升级注入了持续的创新动能。