复旦大学，最新Nature大子刊，智能医学影像分析！

背景：结直肠癌是全球癌症死亡的第二大原因，结肠镜检查在筛查中起关键作用，但人工智能系统开发需要大量专家标注数据，成本高昂且受限于数据集大小和多样性。研究目的：复旦大学团队提出EndoKED数据挖掘范式，利用大型语言模型和视觉模型从大规模图像-文本结肠镜检查记录中自动提取知识，生成像素级标注数据集，以提升息肉检测、分割和光学活检模型的性能与泛化能力。结论：EndoKED在息肉检测和分割任务上达到与专家标注相当的性能，显著提高模型泛化能力和鲁棒性，光学活检模型在多中心数据集上达到专家级水平，为结肠镜检查自动化与智能化提供新方法。