Mayo Clinic 联手微软与 Cerebras：用大模型攻克胸片与基因诊疗

去看病的时候，最怕遇到两件事：一是拍了片子要等很久才出报告，甚至医生忙中漏看细节；二是生了慢性格局复杂的病，医生只能让你挨个试药，几个月过去不仅不见好，还平白遭罪。

在第 43 届摩根大通医疗健康大会上，梅奥医学中心（Mayo Clinic）一口气宣布了两项重磅合作。他们拉来微软研究院和芯片独角兽 Cerebras Systems，分别瞄准影像和基因组学，训练医疗专用的 AI 基座模型。

帮放射科医生找导管、写报告

梅奥和微软研究院的合作，盯上的是放射科日常工作量最大的领域：胸部 X 光片。

两家正在研发结合文本与影像的多模态基座模型。这个模型不只是判断片子里有没有阴影，梅奥希望它能直接上手干三件琐碎又关键的活：自动生成胸透报告、评估片子里的插管和管线位置是否准确，以及自动对比患者前后的影像变化。

梅奥中西部放射科主席兼生成式 AI 医疗总监 Matthew Callstrom 解释，把多模态模型引到放射科工作流里，目标是让医生能随时调取所需信息，把耗时繁重的读片流程压下来。

微软研究院健康未来业务负责人 Jonathan Carlson 表示，这次合作要把微软在生物医药 AI 上的研究积累，与梅奥的临床放射学经验结合，打造出能直接辅助临床医生的工具。

用全外显子数据给类风湿患者「算药」

梅奥的另一条战线是与 Cerebras 合作，打造一个基因组基座模型。

基因数据不仅庞大，而且极其复杂。梅奥的做法是把公开的人类参考基因组，与自家平台积累的患者外显子组数据结合起来。外显子组只占人类基因组的一小部分，但集中了绝大多数致病突变所在的蛋白质编码区。

有了梅奥的临床数据，Cerebras 则拿出了自家见长的高性能 AI 计算能力，来支撑海量数据的预训练。梅奥表示，这个模型能做到近乎实时地将患者的基因特征与库中相似病例比对，从而预测病情和用药反应。

他们拿类风湿性关节炎举了个例子。这种自身免疫性疾病的常规治疗基本靠「试」，患者往往要尝试好几种药物、熬上几个月才知道到底管不管用。而早期测试表明，这个新模型能够更快预测患者对特定疗法的反应，帮医生尽早选定靶向方案，避开无谓的试药折磨。

为什么重要

通用大模型在医疗圈一直有点尴尬：聊起医学知识头头是道，真放到临床一线，要么容易胡说八道，要么看不懂专业的时序影像和基因序列。梅奥这次的策略非常务实，直接拆成两条线，一条走多模态啃下日常读片负担，另一条走基因组专攻用药匹配。

在我们看来，梅奥最聪明的地方在于抓准了切入点。他们没有一开始就去挑战全基因组分析或做大而全的诊断助手，而是选择了工作量巨大且易于标准化的胸部 X 光，以及致病突变高度集中的外显子组数据。这既降低了模型的计算负担，又能最快在临床上看到减负效果。

拉 Cerebras 入局也是一个很有意思的信号。基因组序列极其冗长，非常考验芯片的内存带宽和算力集群。这说明在高度垂直的生命科学基座模型上，英伟达之外的算力架构正在找到自己的突破口。

不过隐患同样摆在眼前。放射科的插管位置判断属于容错率极低的临床操作，AI 辅助报告生成如果出现幻觉，责任界定在法律上依然模糊。而基因组用药预测高度依赖梅奥自身的人群样本，未来能否在不同族裔和跨院区数据上保持同样的高准确率，依然需要经过真正的多中心临床检验。