本报讯（记者 杜兰）近日，北电数智推出皮肤科AI辅助诊断模型，以自研“双向强化学习”技术打破数据桎梏，为各级医疗机构提供专业、高效、易落地的智能诊断支撑，助力优质皮肤科诊疗能力下沉基层。

　　皮肤科AI落地之难，不在模型体量大小，而在数据利用率与临床适配性。首先，数据碎片化问题突出——临床中皮肤影像和文字报告常常是分离的，优质标注样本匮乏，传统训练方式面对这些“图文残缺”的数据效率低下，难以学到真本事。其次，通用模型适配不足——市面上流行的通用大模型缺乏皮肤科专业知识积淀，面对形态相似的皮损照片，常常“分不清、辨不明”，诊断建议难以贴合临床实际。此外，垂域模型落地门槛高——传统专科模型依赖海量标注数据，研发迭代成本高昂，硬件部署门槛也高，基层医疗机构往往“用不起”。这三大痛点相互交织，让皮肤科AI长期徘徊在“看上去很美”的阶段。

　　北电数智跳出“依赖完美标注数据集”的行业惯性，自研出一套“皮损描述模型+诊断模型”双向强化学习的闭环技术体系。这套技术的设计思路很巧妙：让两个AI模型互相给对方当“老师”和“考官”，在循环迭代中共同成长。

　　第一步，先让诊断模型“打基础”，以皮损文字描述、患者主诉和病史记录为学习材料，沿着“皮损描述加病史→得出诊断→获得评分”的路径进行训练，由评价模型根据真实临床确诊结果打分，通过分数反馈推动诊断模型修正参数，逐步掌握皮损特征、病史与病种之间的深层关联。第二步，当诊断模型变得“靠谱”之后，再回头优化皮损描述模型——由成熟的诊断模型充当“评委”，用诊断准确率反推描述的精准度，倒逼描述模型输出更高质量、更贴合诊断需求的皮损文本。两个模型最终形成“诊断升级带动描述优化，描述提质反哺诊断提升”的正向循环闭环，充分盘活碎片化临床数据，让模型深度贴合真实临床诊疗规范。

　　在权威皮肤科专项评测中，北电数智自研模型综合得分率达72.26%，而同期参评的主流大模型准确率集中在55%至64%之间，头部闭源大模型也未能突破65%。更值得关注的是，该模型仅35B的参数规模，却在复杂皮损的细节辨识和临床特征理解上远超参数规模数倍于己的通用大模型，轻量化架构带来的低部署门槛和快推理速度，真正适配了各级医疗机构的实际条件。

　　北电数智对此有着清晰判断：医疗垂域AI的核心价值，从来不在技术参数的堆砌，而在于扎根临床、解决真问题。让优质诊疗能力走出三甲医院、下沉到基层，是实现医疗普惠的关键一步。以创新算法突破数据瓶颈，通过架构优化降低部署成本，用轻量化、高适配、强落地的思路打造垂域AI，才是触达这一目标的现实路径。