「聆音」EchoCare超聲大模型在港發布，CAIR推出大規模超聲數據集訓練成果

香港2025年9月17日 /美通社/ — 在人工智能技術快速發展的全球浪潮中，醫療健康領域正邁入智能化轉型的關鍵階段。作為臨床診斷的重要手段，超聲影像長期面臨效率低下、診斷標準不統一以及AI模型精度不足等問題，亟需技術突破與產業協同。在此背景下，中國科學院香港創新研究院人工智能與機器人創新中心（CAIR）於9月17日在香港發佈了其最新科研成果——「聆音」EchoCare超聲大模型。

發佈會現場， CAIR主任劉宏斌研究員、CAIR副主任孟高峰研究員、歐洲科學院院士、美國國家發明家科學院院士、香港創新研究院羅傑波教授、香港中文大學醫學院外科學系教授、心胸外科主任黃鴻亮教授以及香港中文大學意外及急救醫學教研部主任Colin A. Graham教授等國內外知名學者、臨床專家和10餘家媒體代表齊聚一堂，共同見證了AI超聲醫學領域的這一里程碑式突破。

首創結構化對比自監督學習框架

「聆音」EchoCare超聲大模型依託目前所知首個規模超過400萬張的超聲影像數據集進行訓練。該模型引入「結構化對比自監督學習框架」，基於醫學先驗的層次化樹形標籤，實現多標籤語義關係結構化學習與隱式編碼，通過圖像掩膜重建技術、自適應困難圖塊挖掘技術、漸進式訓練策略等方法，有效提升了模型對超聲影像深層語義的建模能力與泛化性能。

測試結果表明，「聆音」EchoCare在超聲圖像分割、分類、檢測、回歸、增強等七大醫學任務及十餘項下游應用中，均取得當前最優性能表現，模型相對當前SOTA方法性能平均提高3%~5%。

智慧醫療普惠化的重要里程碑

在開場致辭中，羅傑波教授對「聆音」EchoCare超聲大模型的成功研發表達了熱烈祝賀，並高度評價這是人工智能與醫學應用深度融合的又一重大突破。他指出，「聆音」EchoCare超聲大模型在醫院常規檢查中的應用，不僅能夠顯著降低對專業人員的依賴，還能協助醫生更高效、更精準地進行診斷。這一技術的應用將有效提升醫療服務效率，同時為醫療資源的優化配置提供更多可能性。

「聆音察理，鑒貌辨色」

CAIR副主任孟高峰研究員在發佈會上解釋了「聆音」這一名稱源於成語「聆音察理」，出自南朝劉勰的《文心雕龍•知音》，文中提到「操千曲而後曉聲，觀千劍而後識器」的理念與超聲大模型的研發宗旨高度契合。他補充介紹道，EchoCare相較於傳統大模型，創新性地採用了純數據驅動的結構自監督學習方法，無需大量數據標註即可實現特徵學習與下游任務的解耦，實現現超聲領域先驗知識內化以及跨任務知識遷移。

隨後，孟高峰研究員展示了「聆音」EchoCare超聲大模型的核心技術亮點、數據優勢及應用成效。他進一步介紹了模型在山東大學齊魯醫院婦產科1556例卵巢腫瘤超聲病例和中南大學湘雅醫院1000餘例甲狀腺超聲檢查中的具體案例驗證，其性能顯著優於現有SOTA方法。

減負醫生，造福患者，臨床價值巨大

「聆音」EchoCare的標準化分析能力可有效降低重大疾病的漏診與誤診率，顯著提升臨床診斷的效率與規範性，為基層醫療工作者提供強有力的技術支持。在案例分享環節，香港中文大學醫學院黃鴻亮教授首先介紹了「聆音」EchoCare超聲大模型在心臟超聲主動脈瘤檢測與分析方面的回顧性驗證結果，並展望了該大模型與機器人技術結合後在臨床中的潛在應用價值。在現場演示環節，他導入兩段超聲掃查視頻，模型迅速捕捉並解析出視頻中的關鍵醫學信息，成功識別出異常病例，並自動生成了相應的超聲報告供醫生參考。

各界觀點：科技以人為本，AI深耕現實

在媒體問答環節，劉宏斌研究員、孟高峰研究員及黃鴻亮教授共同接受了鳳凰衛視等媒體的提問，就EchoCare超聲大模型的技術細節、臨床應用前景及商業化路徑等問題展開了深入交流。隨後，媒體代表對特邀嘉賓進行了專訪，並參觀了CAIR打造的具身智能手術室平台，近距離體驗了中心在AI醫療領域的最新成果。

中國科學院香港創新研究院人工智能與機器人創新中心開源發布的「聆音」EchoCare超聲大模型，通過打破傳統超聲設備之間的兼容壁壘，激活多中心數據價值，為醫療機構提供了可復用的AI基礎設施。這一成果不僅加速了超聲AI規模化應用的落地，更為智能健康產業升級注入了持續的創新動能。

發佈單位

中國科學院香港創新研究院是中國科學院在香港設立的唯一直屬科研機構，於2019年成立，人工智能與機器人創新中心（CAIR）是其兩大科研中心之一。中心聚焦人工智能與生命健康的融合創新，主要圍繞多模態AI大模型、具身智能機器人、智能感知技術三大方向開展研究工作，獲香港InnoHK人工智能領域重點支持，是國際上為數不多的成建制開展面向醫療健康的人工智能系統技術研發與技術轉化的機構之一，致力建設成為粵港澳大灣區醫療科技創新及成果轉化重要基地。