Highlights & News
EchoCare聆音超声大模型获海内外关注，引领医疗AI新高度
发表日期： 2025年9月30日
近日，EchoCare聆音超声大模型凭借在医疗超声领域的创新突破，引发了海内外的广泛关注。这一技术成果由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）开源发布，并在多家顶级医院开展了大量的临床验证，主要致力于解决医疗超声诊断中的技术难题，为全球医疗行业带来全新变革。截至目前，该成果已被上百家海内外权威媒体报道，成为医疗AI领域的热门话题。
大公报
AI医疗超声大模型“聆音”在港发布，识别异常病例，有效降低重大疾病漏诊误诊率
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。模型可迅速捕捉并解析出超声扫查视频中的关键医学信息，成功识别出异常病例，有效降低重大疾病的漏诊与误诊率。
……
报道全文链接：
https://www.takungpao.com/news/232109/2025/0918/1123251.html
机器之心
CAIR开源发布超声基座大模型EchoCare“聆音”，10余项医学任务性能登顶
2025年9月17日，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）在香港正式开源发布其最新科研成果——EchoCare“聆音”超声基座大模型（简称“聆音”）。该模型基于超过450万张、涵盖50多个人体器官的大规模超声影像数据集训练而成，在器官识别、器官分割、病灶分类等10余项典型超声医学任务测试中表现卓越，性能全面登顶。同时，“聆音”已在山东大学齐鲁医院、中南大学湘雅医院、香港中文大学医学院的多个超声检查领域完成3000多例临床回溯性验证，与当前SOTA（最优）模型相比，性能平均提高3%~5%。
“聆音”首创的结构化对比自监督学习框架，高效解决了传统超声AI模型普遍存在的技术难题，包括对大规模标注数据的依赖、难以处理长尾分布问题、模型泛化能力不足以及缺乏足够领域知识。同时，该框架为AI大模型在其他医疗领域的应用探索提供了创新路径，是人工智能与临床医学深度融合的又一里程碑式突破。
……
报道全文链接：
mp.weixin.qq.com/s/Y1mYt7-I88Yh5LNFQBIIvg
凤凰网
「聆音」EchoCare超声基座大模型在港发布，CAIR新成果助推AI超声进入大模型時代
EchoCare聆音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，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%。
……
报道全文链接：
https://ishare.ifeng.com/c/s/v002bf1Gif2bUWySslB5FRJKqSKTLFuAwiZWUUfIQOpxVnY__
每日经济新闻
中国科学院香港创新院AI中心刘宏斌：未来AI医疗收费如同买保险，支付合理费用换误诊风险降低
近日，刘宏斌带领团队发布国内首个超声领域基座大模型“聆音”EchoCare超声大模型。刘宏斌介绍称，该模型以超450万份覆盖20多个国家和地区的多中心影像数据为基础，将诊断准确率较国际顶尖水平提升3~5个百分点，不仅打破传统模型“换医院就失灵”的泛化性困境，还试图破解AI医疗“叫好不叫座”的商业化难题。
在刘宏斌看来，人工智能在医疗领域运用并不局限于此，在近一个小时的面对面专访中，刘宏斌从人工智能技术在医疗领域应用的技术突破核心逻辑，到数据合规的平衡之道，再到商业化落地的路径规划，深入解析AI如何突破行业瓶颈，以及AI医疗未来将如何以“保险式收费”模式，真正走进临床、惠及普通患者。
……
报道全文链接：
http://www.nbd.com.cn/articles/2025-09-19/4067993.html
界面新闻
香港医用大模型打入超声领域
相较传统大模型，EchoCare首创纯数据驱动的结构化对比自监督学习方法，不需要大量的数据标注，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。
孟高峰指出，以前的模型训练是监督学习，需要人为标注“标准答案”，模型进行输入和输出，模型输出和人为标注对比后，再调参数模型。而在自监督学习下，不需要再靠人力标注，数据内部之间存在联系，“就像把一幅画的一部分遮住，可以根据周围推理出被遮住的部分。用数据本身的关系构造学习任务，再用任务驱动模型学习。后面做很具体的下游任务就只需要标注少量数据。这种模式的精度效果也超过全监督学习。”
……
报道全文链接：
https://www.jiemian.com/article/13367889.html
每日经济新闻
专访香港中文大学医学院外科学系黄鸿亮：30%主动脉疾病患者在急诊中被漏诊，超声大模型诊疗应用迫在眉睫
经过数年研发，黄鸿亮团队与中国科学院香港创新研究院合作研发的AI超声诊断模型取得突破性进展。该模型以600名患者的超声数据为训练集，200余名患者数据为验证集，通过深度学习算法、学习主动脉影像特征，最终实现了两大突破：一是“标准化诊断”，解决了传统超声诊断中“操作员角度不同导致结果差异”的难题；二是“高精度测量”，在主动脉关键指标测量上，平均误差仅1毫米，其重复性与一致性甚至媲美经验丰富的心脏科医生。
“传统超声诊断中，不同医生手持探头的角度、力度不同，对同一患者的检查结果可能存在差异。但AI能通过算法自动识别主动脉根部的标准‘观测帧’，提取关键特征，无论操作员如何操作，都能输出标准化的诊断结果。”黄鸿亮解释道。
这一技术突破不仅提升了诊断精度，更大幅提升了效率。在急诊室场景中，AI模型能在短时间内完成对胸痛患者的初筛，快速区分“心肌梗塞、肺动脉血栓、主动脉破裂”等不同病因，为医生锁定高危患者。“急诊室里，每节省一分钟，患者就多一分生存希望。AI相当于给医生配备了‘精准导航’，帮助他们在海量患者中快速找到需要紧急救治的主动脉疾病患者，大幅降低漏诊风险。”黄鸿亮表示，“而大模型在主动脉常规指标测量上，已经达到甚至超过普通心脏科医生水平，这为后续大规模推广奠定了基础。”
……
报道全文链接：
http://www.nbd.com.cn/articles/2025-09-23/4072176.html
海外媒体报道
除了众多香港和内地媒体对EchoCare聆音超声大模型的发布开展了深度的追踪报道，还有来自英国、美国、加拿大、日本、韩国、新加坡、菲律宾、柬埔寨、马来西亚、越南、印度尼西亚、印度、巴西、澳大利亚、新西兰等国家的100多家海外媒体也对这一成果表示了极大的关注，并进行了转载和报道。
机构简介
中国科学院香港创新研究院是中国科学院在香港设立的唯一直属科研机构，于2019年成立，人工智能与机器人创新中心（CAIR）是其两大科研中心之一。中心聚焦人工智能与生命健康的融合创新，主要围绕多模态AI大模型、具身智能机器人、智能感知技术三大方向开展研究工作，获香港InnoHK人工智能领域重点支持，是国际上为数不多的成建制开展面向医疗健康的人工智能系统技术研发与技术转化的机构之一。
https://www.cair-cas.org.hk