Mayo Clinic 聯手微軟與 Cerebras：用大模型攻克胸片與基因診療

去看病的時候，最怕遇到兩件事：一是拍了片子要等很久才出報告，甚至醫生忙中漏看細節；二是生了慢性格局複雜的病，醫生只能讓你挨個試藥，幾個月過去不僅不見好，還平白遭罪。

在第 43 屆摩根大通醫療健康大會上，梅奧醫學中心（Mayo Clinic）一口氣宣佈了兩項重磅合作。他們拉來微軟研究院和晶片獨角獸 Cerebras Systems，分別瞄準影像和基因組學，訓練醫療專用的 AI 基座模型。

幫放射科醫生找導管、寫報告

梅奧和微軟研究院的合作，盯上的是放射科日常工作量最大的領域：胸部 X 光片。

兩家正在研發結合文本與影像的多模態基座模型。這個模型不只是判斷片子裡有沒有陰影，梅奧希望它能直接上手幹三件瑣碎又關鍵的活：自動生成胸透報告、評估片子裡的插管和管線位置是否準確，以及自動對比患者前後的影像變化。

梅奧中西部放射科主席兼生成式 AI 醫療總監 Matthew Callstrom 解釋，把多模態模型引到放射科工作流裡，目標是讓醫生能隨時調取所需資訊，把耗時繁重的讀片流程壓下來。

微軟研究院健康未來業務負責人 Jonathan Carlson 表示，這次合作要把微軟在生物醫藥 AI 上的研究積累，與梅奧的臨床放射學經驗結合，打造出能直接輔助臨床醫生的工具。

用全外顯子資料給類風溼患者「算藥」

梅奧的另一條戰線是與 Cerebras 合作，打造一個基因組基座模型。

基因資料不僅龐大，而且極其複雜。梅奧的做法是把公開的人類參考基因組，與自家平臺積累的患者外顯子組資料結合起來。外顯子組只佔人類基因組的一小部分，但集中了絕大多數致病突變所在的蛋白質編碼區。

有了梅奧的臨床資料，Cerebras 則拿出了自家見長的高效能 AI 計算能力，來支撐海量資料的預訓練。梅奧表示，這個模型能做到近乎即時地將患者的基因特徵與庫中相似病例比對，從而預測病情和用藥反應。

他們拿類風溼性關節炎舉了個例子。這種自身免疫性疾病的常規治療基本靠「試」，患者往往要嘗試好幾種藥物、熬上幾個月才知道到底管不管用。而早期測試表明，這個新模型能夠更快預測患者對特定療法的反應，幫醫生儘早選定靶向方案，避開無謂的試藥折磨。

為什麼重要

通用大模型在醫療圈一直有點尷尬：聊起醫學知識頭頭是道，真放到臨床一線，要麼容易胡說八道，要麼看不懂專業的時序影像和基因序列。梅奧這次的策略非常務實，直接拆成兩條線，一條走多模態啃下日常讀片負擔，另一條走基因組專攻用藥匹配。

在我們看來，梅奧最聰明的地方在於抓準了切入點。他們沒有一開始就去挑戰全基因組分析或做大而全的診斷助手，而是選擇了工作量巨大且易於標準化的胸部 X 光，以及致病突變高度集中的外顯子組資料。這既降低了模型的計算負擔，又能最快在臨床上看到減負效果。

拉 Cerebras 入局也是一個很有意思的訊號。基因組序列極其冗長，非常考驗晶片的記憶體頻寬和算力叢集。這說明在高度垂直的生命科學基座模型上，輝達之外的算力架構正在找到自己的突破口。

不過隱患同樣擺在眼前。放射科的插管位置判斷屬於容錯率極低的臨床操作，AI 輔助報告生成如果出現幻覺，責任界定在法律上依然模糊。而基因組用藥預測高度依賴梅奧自身的人群樣本，未來能否在不同族裔和跨院區資料上保持同樣的高準確率，依然需要經過真正的多中心臨床檢驗。