MedSAM2: Segment Anything in 3D Medical Images and Videos：医学影像分割基础模型将人工标注成本降低85%
2025年4月，研究团队发布MedSAM2，一个基于SAM2微调的可提示医学影像分割基础模型，支持3D图像和视频。模型在超过45.5万对3D图像-掩码和7.6万帧数据上训练，在多种器官、病变和成像模态上超越此前模型。通过人机交互管线，团队完成了迄今最大规模的用户研究，包括5000个CT病变、3984个肝脏MRI病变和251550个超声心动图视频帧的标注，证明MedSAM2可减少超过85%的人工标注成本。模型已集成到常用平台，支持本地和云端部署。
发展脉络
- 首次出现MedSAM2: Segment Anything in 3D Medical Images and Videos：医学影像分割基础模型将人工标注成本降低85%arXiv cs.AI
- 当前判断该成果对医疗影像行业具有深远影响。对于医院和影像中心，MedSAM2可大幅降低放射科医生的标注工作量，提升诊断效率。对于医疗AI公司，该模型可作为基础工具，加速新产品的开发周期。对于医疗器械厂商，可集成到PACS系统中提供实时分割功能。此外，85%的成本降低使得中小型医院也能负担高质量的AI辅助诊断。Agent Pulse · 分析
MedSAM2将SAM2的通用分割能力扩展到医学3D和视频领域，解决了医学影像标注成本高昂的核心痛点。85%的标注成本降低意味着大规模医学影像数据集的构建门槛大幅下降，将加速AI在精准医疗中的落地。模型在多种模态和任务上的优异表现，使其成为医学影像分析的基础设施级工具。
MedSAM2基于SAM2架构，通过在大规模医学数据集上微调获得领域适应能力。训练数据涵盖CT、MRI、超声等多种模态，包括器官、肿瘤、病变等分割任务。模型支持点、框、掩码等多种提示方式，可进行交互式分割。人机交互管线采用“AI初分割+人工修正”的迭代流程，在用户研究中验证了效率提升。模型已集成到3D Slicer、MONAI等平台，支持本地和云端部署。评估指标包括Dice相似系数和交并比，在多个公开和内部数据集上达到SOTA。
该成果对医疗影像行业具有深远影响。对于医院和影像中心，MedSAM2可大幅降低放射科医生的标注工作量，提升诊断效率。对于医疗AI公司，该模型可作为基础工具，加速新产品的开发周期。对于医疗器械厂商，可集成到PACS系统中提供实时分割功能。此外，85%的成本降低使得中小型医院也能负担高质量的AI辅助诊断。
建议医疗AI公司和影像设备厂商立即评估MedSAM2的集成潜力。可开发基于MedSAM2的医学影像标注SaaS平台，面向医院和CRO提供标注服务。投资方向包括：与团队合作开发专科版本（如眼科、病理），或基于开源模型构建私有化部署方案。同时，关注模型在手术导航和放疗规划中的扩展应用。
需关注MedSAM2在罕见病变和低质量图像上的泛化能力，以及模型在临床工作流中的实际部署效果。关键信号包括：FDA等监管机构的认证进展、与主流PACS系统的集成案例、以及模型在真实临床环境中的性能验证。此外，模型的持续学习能力（如适应新模态）也是长期应用的关键。