從524萬組立體影像學會看腦：NeuroVFM跨進臨床分診測試

醫療影像AI的瓶頸，往往不是模型看得不夠多，而是沒有看過真正醫院裡那些品質參差、掃描協定各異，又夾雜罕見病灶的日常檢查。刊於《Nature Medicine》的研究提出NeuroVFM，嘗試直接從大型醫療體系累積的腦部與頭頸影像中，建立可支援多種診斷、報告生成和急迫度分流的通用視覺模型。

研究團隊彙整密西根醫學中心逾20年的566,915次檢查，涵蓋腦、頭頸、顏面與眼眶的CT及MRI，共形成524萬組三維影像。NeuroVFM採用名為Vol-JEPA的自監督方法：遮住立體掃描的一部分，要求模型在抽象特徵空間預測缺失區域，藉此學習解剖位置與病理變化；預訓練本身不需要診斷標籤或放射科報告。

在時間上獨立保留的臨床資料中，研究人員為模型接上涵蓋82項CT與74項MRI診斷的分類模組。156項任務的整體平均AUROC，CT為92.68%、MRI為92.49%，並普遍優於使用相同院內資料、但採報告監督或影像重建方式訓練的基準模型。這項比較顯示，成效不只來自資料量，也與模型如何從三維影像學習有關。

團隊進一步把NeuroVFM的影像編碼器與Qwen3-14B語言模型結合，生成結構化的放射影像重點，再交由推理模型判定檢查屬於正常、一般或緊急。在300件經專家核實的CT與MRI測試中，NeuroVFM生成內容的關鍵發現錯誤率約為10%，GPT-5比較組則為20%；盲測專家選擇前者報告的次數超過後者兩倍。這裡測量的是特定影像輸入與流程下的表現，不能解讀成對所有通用模型能力的全面比較。

較貼近現場的一關，是2026年1月進行的一週「靜默」前瞻性可行性研究：模型處理1,155名患者的例行影像，但結果並未用於實際醫療決策。NeuroVFM流程的平衡分診準確率為92.6%，高於GPT-5流程的71.2%；在155名具有至少一項關鍵發現的患者中，敏感度為86.5%。

這個數字也劃出了安全邊界。NeuroVFM漏掉21名具有關鍵發現的患者，主要問題出在影像病灶未被寫入生成報告，而不是後續分診推理失準。對急性出血、腫塊效應等不可延誤的情況而言，這類漏失足以排除現階段將模型當成自主篩檢工具的可能。

此外，訓練資料主要來自單一美國學術醫療體系，模型可能承接當地患者組成、設備與臨床流程的偏差；接上語言模型後也仍可能產生不存在的發現。研究團隊公開的模型與程式碼均標示僅供研究、並非醫療器材。下一步不只是到更多醫院驗證準確度，還包括資料治理、持續監測、責任歸屬與監管審查；在這些問題釐清前，臨床醫師覆核仍不可取代。