西安交大研发SongCi模型：AI突破法医病理诊断，准确率提升30%

近日，西安交通大学法医学院联合数学与统计学院、生命学院科研团队在多模态法医组织病理学AI诊断领域取得重要突破。团队创新性地开发出名为SongCi（宋慈）的视觉语言多模态人工智能模型，该成果已发表于国际权威期刊《自然-通讯》。

SongCi模型采用原型跨模态自监督对比学习技术，通过深度融合病理图像与文本数据的特征，显著提升了诊断的准确性与效率。研究团队首先对超过1600万张涵盖九种尸检器官病理变化的高分辨率切片图像进行预训练，随后利用2228对全切片图像与关键描述文本进行跨模态联合学习。这种训练方式使模型能够精准捕捉图像中的细微病变特征，并结合文本描述实现病理变化的智能识别。

与传统人工诊断相比，SongCi模型展现出三大优势：诊断一致性提高约30%，人为误差降低至人工诊断的1/5，诊断速度提升近20倍。在性能评估中，其表现与资深法医专家相当，显著优于经验不足的从业人员。模型还采用多模态注意力机制，可精确定位图像关键区域与对应文本信息，为诊断结论提供可视化依据。

该研究针对法医病理学领域的特殊挑战展开。由于尸检组织存在自溶与腐败改变，传统显微镜诊断面临巨大困难。加之专业人才短缺、诊断流程繁琐等问题，严重制约行业发展。SongCi模型的问世，为司法鉴定、医疗纠纷和公共安全领域的病理诊断提供了高效解决方案。

西安交通大学团队表示，这项技术突破不仅填补了国际法医病理AI诊断领域的空白，也为后续开发更多专业医疗AI模型提供了重要参考。目前，研究团队正与司法部司鉴院等单位合作，推进该模型在实战场景中的应用测试。