肝脏方面研究进展

研究综述

肝癌（HCC）演化与治疗模拟： Y. Yang 等人 (2025) 提出“医学世界模型”框架Medical World Model (MeWM)，通过隐空间扩散模型生成肝癌（HCC）在经导管动脉化疗栓塞(TACE)治疗下的进展图像序列。他们使用包含70例患者的HCC-TACE-MRI数据集（每例多期，约1000张切片），构建基于U-Net和自回归扩散模型的体系结构，输入为当前病灶分割图，输出为未来的分割演化，损失函数结合重构和时间一致性约束。实验证明，MeWM 能够准确模拟肝癌在治疗和无治疗情况下的演变，并且在实测LGE-DWI指标上对治疗决策具有解释价值。其优势在于同时考虑空间成像与时间动力学，但局限是需要大量多时相标注数据，且生成器难以保证真实感。未来可扩展到多模态影像联合仿真。

肝移植再生数字孪生： Halder 等 (2025) 针对活体肝移植术后肝脏再生，构建了个体化数字孪生模型，通过机制模型（包含小鼠实验及临床组织学参数）预测供者肝脏基因表达随时间变化。研究团队收集了12名供者在术前、术后1天、3天、7天、14天和30天的肝组织转录组数据，并使用生物物理模型模拟肝再生过程，将输入定义为各时刻基因表达，输出为下一个时刻的表达水平。评估显示，该模型对多个再生相关基因的表达变化预测准确度高，与真实数据Pearson相关系数显著。优点是结合生物机制与深度学习，有助于术后个体化监测；缺点是样本量较少、模型较复杂且需更多样本验证。与MeWM等生成模型不同，此工作更偏向机制建模。

个性化肝病进展模拟： Anderson 等 (2025) 提出一种多模态生成模型，模拟非酒精性脂肪性肝炎（NASH）患者的5年疾病进展。该模型将变分自编码器和时间生成对抗网络（TimeGAN）结合，可整合实验室指标、MRI影像特征及电子健康记录，多模态输入经过生成网络得到未来状态。研究利用1250名NASH患者的纵向数据（含临床、影像、生化三类特征），证明生成数据与真实患者统计特性吻合，并可模拟不同治疗方案下的病程差异。工作优势在于考虑多模态信息与非线性时间依赖，但尚未在公开渠道发表完整实现，且重现性依赖数据共享。

肿瘤免疫治疗调控仿真： Zhang 等 (2026) 在PNAS上报道了一种空间化学药动力学(QSP)模型，用以模拟肝癌微环境对免疫治疗策略的响应。该研究构建了包含肿瘤细胞、免疫细胞和基质成分的空间模型，并通过体外和体内数据对模型进行定量标定，用以预测不同免疫联合疗法对肿瘤控制的影响。结果表明，纤维母细胞密度是影响治疗效果的关键因素，该模型能够定量验证免疫联合策略优于单药的结论。此工作展示了高阶生理和药物动力学模型在肝癌仿真中的应用前景，但属于机制模型范畴，与ML驱动的世界模型不完全相同。

技术挑战

• 数据与标注不足： 肝脏疾病多样（肝癌、脂肪肝、纤维化等），公开高质量多时相影像数据集有限，难以训练生成式时序模型。跨设备、跨中心的数据异构也对模型泛化提出挑战。

• 生物可解释性： 需要确保生成或预测结果符合医学知识，例如MeWM需嵌入生理先验来避免生成无意义假象；机制模型则需校准真实生理参数。

• 多模态融合： 肝病进展涉及影像、基因、临床等信息，如何有效融合多模态数据（如NASH模型）并进行生成，是难点。

• 小样本学习： 重要但稀有的病例（如活体肝移植）往往样本稀少，如何利用少量数据构建鲁棒模型是挑战。

临床转化障碍

• 安全性与可靠性： 医学决策需要高度可靠性，目前大多数仿真模型尚处于早期验证阶段，尚未进行大规模临床验证。模型的不确定性估计（如ECG-WM所做）也是关键。

• 解读与可控性： 临床医生需理解模型决策依据，但黑箱模型难以解释。需要引入生理机制或可视化（如图像示意）来提高透明度。

• 法规与伦理审批： 医疗器械监管严格，新算法必须经过伦理审查与法规审批，过程耗时，门槛高。

伦理与安全问题

• 隐私与数据安全： 生成模型若使用真实病人数据训练，需保证隐私保护（如EchoFlow强调隐私合成）。肝病数据尤其敏感，合成数据和差分隐私是方向。

• 公平与偏见： 肝病风险与种族、性别相关，模型可能对少数群体表现不佳。需要在数据收集和模型评价中关注公平性。

• 错误决策风险： 错误的仿真预测可能导致治疗失误，需明确模型的局限并限制辅助决策角色。

• 知情同意： 使用患者数据训练和验证模型时，需得到充分知情同意，避免隐私泄露。

心脏方面研究进展

研究综述

超声探头导航世界模型： 在心脏超声领域，多个团队提出基于世界模型的引导系统。Jiang 等 (2024) 的“Cardiac Copilot”在MICCAI 2024报道，利用World Model Cardiac Dreamer 对心脏空间结构进行学习，并在训练的导航网络中引入该世界模型预测步骤。他们收集125例常规心超检查（188K对图像-姿态数据），显示引入世界模型后，导航误差减少了约33%。

紧接着，Yue 等 (2025) 提出EchoWorld（CVPR 2025预印本），构建了心脏超声的动作感知世界模型。EchoWorld先在200多例采集的超声序列（>100万张图像）上无监督预训练，通过遮挡重建和探头位移预测任务学习心脏结构知识；然后引入历史视觉-运动注意力机制进行智能探头导航微调。实验证明，EchoWorld显著降低了导航误差，尤其在基于序列的评价协议上优于常规视觉网络。两者均展示了“学习心脏内部世界模型可以提升导航”的优势，但对大规模数据依赖较高。

心脏超声生成模型： Reynaud 等 (2025) 提出EchoFlow，一种针对心脏超声的生成式基础模型。他们使用AVAE、流匹配、隐编码器等模块，在隐空间生成逼真的2D图像和心动周期视频。EchoFlow在公开数据集上的左室射血分数回归任务上验证了合成数据的有效性：仅用合成数据训练的模型，其预测性能与使用真实数据训练的模型几乎持平。该模型侧重数据合成和隐私保护，有助于缓解真实超声图不足的问题。

心电图（ECG）世界模型与基础模型： Chen 等 (2026) 提出ECG-WM，将生理导向的隐扩散模型应用于药物干预下的ECG仿真。该模型在潜在空间引入生理ODE先验，生成干预后合理的ECG波形，并利用扩散模型的不确定性估计提供风险评估。实验证明，相比常规模型，ECG-WM在标准波形指标和临床风险校准上均有显著提升。

与此同时，Nolin-Lapalme 等 (2025) 报告了两个经过11个外部队列验证的心电图基础模型（DeepECG）。他们使用超过100万张ECG数据训练自监督与监督模型，大幅提升了心电异常检测和心脏病风险预估性能。例如，DeepECG-SSL 模型在动态时间规整（DTW）等指标上优于传统模型。这种研究展示了大规模预训练模型在ECG分析的潜力。

心力衰竭数字孪生： Gu 等 (2025) 在 npj Digit Med 上构建了基于343名心衰患者数据的可控数字孪生。他们融合测量与不可测量参数，模拟个体心血管系统功能，并用无监督学习提取数字孪生特征。将这些机械特征加入传统ML后，患者心衰死亡风险预测性能显著提高。该工作表明，个性化机制模型可以生成解释型特征，提升临床风险预测能力。类似地，Qian 等 (2025) 利用英国生物库中3460名个体的心脏MRI和ECG构建了大规模心脏数字孪生人群模型。该研究强调了群体建模对理解生理机制的贡献，但多依赖物理模拟，缺乏深度学习元素。

技术挑战

• 多尺度、多模态融合： 心脏问题同时涉及电生理（ECG）、解剖图像（超声、MRI）、血液动力学等数据，如何综合建模是难点。例如，如何将EchoWorld的图像世界模型与ECG模拟、数值生理模型融合尚未解决。

• 动态场景复杂性： 心脏超声成像对探头位置非常敏感，世界模型需理解复杂的空间-时间变换，且伴随个体差异。

• 模型可靠性与泛化： 基于世界模型的导航或仿真系统在不同设备、不同患者上可能失灵，需要大规模多中心验证。心电图模型也需适配不同心律异常频次。

• 可解释与可控： 心脏领域安全性要求高，黑箱模型不易获得临床信任。如何利用生理知识约束模型（如ECG-WM所示）或可视化（如SAM LV分割提升可解释性）是研究方向。

临床转化障碍

• 训练与部署数据差异： 实际临床环境中图像采集条件多变，不同厂商设备带来模型泛化问题，EchoWorld/Copilot等尚主要在单一设备或模拟环境下验证。

• 医师接受度： 医生对AI工具的接受度依赖于准确性和可解释性，目前尚缺少经临床试验验证的世界模型系统。

• 集成困难： 将导航/仿真系统集成到现有超声设备或心电监护系统中，涉及硬件兼容、实时性等工程问题。

• 法规认证： 类似肝脏领域，新算法要成为医疗器械软件，需要满足FDA/CE标准，包括临床验证和持续监控，周期长成本高。

伦理与安全问题

• 算法偏见： 如果训练数据集中高血压、肥胖或某些药物应用不足，模型模拟效果可能倾向某些群体。

• 自动化引导风险： 虽能提高效率，但若导航错误可能导致漏诊或误诊，需要设置人工监督回路，避免完全自动决策。

• 责任归属： 临床上使用仿真结果做决策时，一旦出现不良结果，责任界定复杂，需明确AI辅助角色。

代表性论文汇总表

研究进展时间线与关系图

timeline
    title 肝脏与心脏领域医疗世界模型进展
    2018 : Ha & Schmidhuber 提出通用World Model框架
    2024 : Ma等 (MedSAM) 推出通用医学分割基础模型
         : Jiang等 (Cardiac Copilot) 引入心脏超声World Model
         : Chao等 (SAM微调) 优化心脏超声LV分割
         : Vorontsov等 (Virchow) 构建全癌病理基础模型
    2025 : Kim等 (EchoFM) 发布心脏超声基础模型
         : Yue等 (EchoWorld) 提出Echo探头导航World Model
         : Reynaud等 (EchoFlow) 发布超声图/视频生成模型
         : Gu等 (HF数字孪生) 利用343例HF数据构建心衰数字孪生
         : Anderson等 (NASH生成) 开发NASH病程仿真模型
         : Halder等 (肝移植数字孪生) 构建供肝再生Twin
    2026 : Chen等 (ECG-WM) 提出药物干预的ECG世界模型
         : Wang等 (ChronoMed) 发布患者轨迹World Model
         : Mu等 (EHRWorld) 提供长程电子病历World Model
         : Zhang等 (HCC免疫仿真) 在PNAS发表肝癌免疫治疗模型
         : Saeed等 (MWM框架) 系统阐述医学世界模型概念

结论与未来展望

综上所述，医疗世界模型方法已在肝脏与心脏相关任务中展现出广阔前景。肝脏方面研究聚焦于癌变演化与再生模拟，相关模型可辅助治疗规划；心脏方面研究强调成像导航和数字双生，提高诊断和预测性能。总体趋势是从静态诊断向动态仿真和决策支持转变。未来需要结合更大规模异构数据、强化模型的因果性解释，以及进行严格的临床验证。可操作建议包括：开放数据集和代码以促进复现；与临床专家协作设计干预策略验证；在模型中加入生理知识以增强可信度；并重点研究伦理和法规合规，以推动这类技术走向实际应用。