类比推理诊断胃肠道内镜：胃肠道内镜诊断的基石模型
计算机视觉与模式识别
2026-04-08 v1 人工智能
摘要
胃肠疾病正为全球健康负担日益加重，内镜是早期诊断的主要工具。然而，常规内镜图像解读仍存在漏诊和效率有限的问题。尽管AI辅助诊断显示出前景，但现有模型因医学数据有限、领域迁移和异构标注而缺乏通用性、可适应性、鲁棒性和可扩展性。为此，我们开发了RATNet，这是一个基于类比推理的胃肠道内镜成像基石模型。RATNet通过循环预训练策略从五个胃肠道内镜数据集中获取并传递来自异构专家标注的知识。其架构包括编码器、关联知识获取与传递（RAT）模块、投影层和多任务头部，支持微调、线性探测和零样本迁移。在六个场景下的评估表明，RATNet在诊断常见胃肠疾病、稀有疾病的few-shot学习、迁移至新医疗机构的零样本、面对长尾疾病分布的鲁棒性、适应新疾病以及通过联邦学习实现隐私保护部署等情形下均优于现有基石模型，包括GastroNet和GastroVision。其优势源于类比推理机制，将图像导出的后验知识与学习的先验知识库匹配，并传递相对知识以指导诊断，从而提高泛化性并抵抗偏见。RATNet开放且高效，可支持自动整合异构标注而无需手动标签统一，降低数据获取成本，为智能胃肠诊断提供实用基石，尤其适用于资源受限的环境。
引用
@article{arxiv.2604.05649,
title = {Analogical Reasoning as a Doctor: A Foundation Model for Gastrointestinal Endoscopy Diagnosis},
author = {Peixi Peng and Housheng Xie and Yanling Wei and Guangcong Ruan and Xiaoyang Zou and Qian Cao and Yongjian Nian and Guoyan Zheng},
journal= {arXiv preprint arXiv:2604.05649},
year = {2026}
}