优家检董事长陈景致辞

优家检董事长陈景在验收会上表示，细胞形态学大模型“优鉴”并非“创新”，而是“落地”。“居家检测公司往往不具备从0开始研发AI大模型的能力，但比较和选择优秀的开源大模型进行部署，并不断强化训练，随着数据量增加和训练方式的精进，它完全能成为细胞形态学领域的专家。从我们的实践来说，这条路是可行的。”

这一成果标志着优家检在“AI+形态学检验”领域的技术路线已得到初步验证，为后续进入严格的临床验证阶段奠定了坚实基础。

四大类样本全覆盖，展现强大泛化能力

此次初步验收的样本类型极具代表性，覆盖了临床检验中常见的(非血液)体液类形态学项目。

精子样本涉及精子活力分级、形态异常识别等复杂任务;妇科分泌物需精准识别菌群多样性、滴虫、霉菌等关键指标;浅表皮真菌包含菌丝、孢子的形态捕捉与分类;尿液沉渣涵盖红细胞、白细胞、管型、结晶等多种有形成分。

“优鉴”模型在模糊样本中的识别率同样高

这些样本不仅形态差异巨大，且对判读的精细化程度要求极高。在传统人工镜检中，即便是经验丰富的检验师，面对不同类型样本也需要切换思维模式与判读标准。优家检的“优鉴”大模型能够在多任务、多场景下保持稳定输出，验证了其底层架构的通用性。

优家检大模型意义：从“专科智能”迈向“全科智能”

检验医学长期面临人才缺口大、培养周期长、判读标准难以统一等痛点。当前市面上的AI辅助诊断产品多集中于单一领域(如血细胞分析或宫颈细胞学)，难以覆盖检验科日常繁多的形态学项目。

“优鉴”大模型展示出对细胞(例如精子)运动轨迹和速率等复杂任务的处理能力

优家检此次展示“优鉴”的千例验证，证明了一个AI大模型能够同时胜任多个不相关的形态学检验任务，能够系统性提升识别效率。

例如在缺乏专职检验师或形态学经验不足的基层医疗机构与体检中心，“优鉴”大模型可作为“AI检验师”完成初筛与预判，大幅降低漏诊风险。对于提升基层医疗机构检验能力、实现优质医疗资源下沉具有现实意义。

在成熟的临床检验环节，“优鉴”作为人工镜检的“第二阅读者”，模型可对大量阴性样本进行快速排除，让检验师集中精力处理疑难与阳性病例，提升工作效率。

进入临床验证阶段 直面准确率挑战

优家检团队表示，在完成内部初步验收后，“优鉴”大模型将正式进入临床验证阶段。目标是将准确率提升至99.5%以上，以满足医疗器械注册与临床应用的严苛要求。要实现这一目标，团队将面临一系列关键挑战与努力方向。

首先面对的挑战是罕见但关键的异常形态样本稀缺，如尿液中少见类型的管型、真菌中的特殊菌种等。模型目前的99.9%准确率只基于1000例种子用户的样本，进入临床后，样本分布的复杂性将大幅提升，能否准确识别外观和内核差别巨大的异常细胞是个挑战;将样本数扩大到万例甚至十万例后，大模型误判几率会增加，99.5%的第二阶段准确率目标，挑战不小。

同时，各类医院不同制片染色方法、不同数字扫描设备引入的图像差异，可能导致模型性能波动。

优家检团队表示：“99.9%的初步成绩给了我们很大信心，但我们也清楚，从实验室走向临床，中间还有很长的路要走。接下来的临床验证阶段，我们不仅追求更高的准确率，更要追求稳定性、可解释性和临床实用性。我们的目标是做一款真正能让检验师放心使用、让患者受益的大模型。”

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如有侵权行为，请第一时间联系我们修改或删除，多谢。