肺癌仍然是全球癌症死亡的主要原因之一，而症状性肺癌的结局与“多早进入后续检查和治疗路径”高度相关。胸部X线片仍是基层医疗和呼吸症状初筛中的高频检查，因此，许多影像AI产品被寄望于通过“提前标记可疑病例”来缩短CT、专科转诊和最终确诊时间。

MINIM生成式AI医学影像模型

多模态AI乳腺癌风险分层研究，准确率90.1%

阿里巴巴达摩院在Nature Medicine发表PANDA模型，首次实现基于平扫CT的胰腺癌AI大规模筛查。模型灵敏度92.9%、特异度99.9%，对早期胰腺癌检出率达85.7%，为"癌中之王"的早期诊断带来突破性进展。

BINDS 串联超声、钼靶和 MRI，两阶段无创诊断 AUC 0.973，良性活检最高可降 32.4%。

乳腺癌筛查最核心的目标，一直是尽早发现已经形成的可疑病灶。但临床上还有一个更前移的问题：在肿块、钙化或其他典型征象变得足够明确之前，乳腺X线影像里是否已经存在某些更隐匿的风险线索？

2026年发表于《Radiology》的多中心研究显示，人工智能结合心脏MRI自动分割与影像组学分析，可以更精准识别ST段抬高型心肌梗死后微循环阻塞的异质性，并提升主要不良心血管事件风险分层能力。

最新脊柱MRI深度学习研究显示，AI已能较稳定地区分椎体转移瘤和感染等病变，为转移瘤、

骨质疏松症的诊断不足是一个全球性难题。虽然双能X线吸收测定法（DXA）是金标准，但由于筛查率低、受退行性改变干扰等原因，临床应用存在局限。

3. **模型评估** - **区域和切片诊断能力提升**：在多种病理任务（如形态分型、分子分类、生存预测）上，TITAN及变体优于其他模型，随预训练数据增加性能提升，在少样本数据效率实验表现佳，消融实验揭示各设计选择（如位置编码、层数、预训练策略）对性能影响及模型优势。- **预训练阶段** - **阶段 1**：对WSIs中ROI裁剪区域进行视觉单模态自监督学习，采用iBOT框架和ALiBi位