：在神经外科手术领域，医生面临的挑战极为艰巨，他们不仅需精确锁定病灶位置，还需小心翼翼地避免损伤周围复杂且重要的血管、神经和其他组织结构。以往，此类高难度操作主要依赖于医生凭借多年累积的经验，通过组合分析病人的CT、磁共振影像等资料进行想象和判断。如今，这一难题似乎找到了破局之道。
3月11日，中国科学院香港创新院AI中心震撼发布了面向医疗领域的垂直AI多模态大模型——CARES Copilot 1.0，该系统能够在手术阶段自动识别病灶及解剖结构，为年轻医生培训与教学带来了革命性的实用价值。这一突破性进展预示着神经外科手术或将迎来全新纪元。
临床一线的医生既是AI医疗大模型的直接受益者，也是其效果的严谨评判者。北京协和医院神经外科主任医师、研究生导师冯铭，在现场演示了CARES Copilot 1.0系统后指出，将手术大模型与手术导航技术相结合，可为患者提供实时精准的解剖定位信息，从而显著提升手术安全性。然而，实现机器人独立完成手术操作的目标仍需要较长时期的深入探索与实践。
中国科学院香港创新院AI中心执行主任、博士生导师刘宏斌在发布会上详解了这款具有里程碑意义的AI多模态大模型CARES Copilot 1.0。尽管当前市面上已有近百种医疗大模型存在，但因医疗行业的专业门槛极高、容错率极低，真正能够落地应用于临床诊断的垂直大模型却凤毛麟角。即便如最新发布的CARES Copilot 1.0版本，目前也以识别和辅助医生功能为主导，致力于解决临床痛点。
刘宏斌介绍，CARES Copilot 1.0系统的核心识别功能涵盖了三维人体手术室行为识别算法，能准确判断手术人员动作是否合规；利用大模型强大的抽象理解能力，实时判断手术进程；以及对关键解剖结构进行精准识别，识别率已超过80%，大幅提升了手术安全性和效率。未来升级到2.0版本时，Copilot有望延伸至手术指导层面，犹如教练般为医生提供各个阶段的操作建议。
值得注意的是，去年以来公开发布的医疗大模型超过50个，但多数由于临床医生参与度不足、回答方式不符合实际需求等问题，导致难以获得医生的充分信任并有效应用。而CARES Copilot 1.0则采用大模型加小模型的方式，实现了对图片、文字的识别和语义提取，并进一步进行深度理解，以期解决上述问题。
展望未来，随着更多版本的迭代升级，医生与机器之间的配合将会更加紧密，甚至可能出现机器人执行非关键手术操作的场景，乃至由医生制定手术计划、机器人自主执行方案的局面。虽然这一愿景尚需一定时间才能实现，但无疑描绘出了神经外科手术发展的宏伟蓝图。
首都医科大学附属北京同仁医院神经外科主任康军表示，人工智能在医疗领域的应用发展大致分为机器学习、机器智能和机器意志三个阶段。目前，CARES Copilot 1.0系统作为专注于神经外科应用的人工智能系统，虽处于机器学习阶段的早期，但在USMLE医疗行业测评中取得第一的佳绩，足以证明其专业性和准确性。此外，CARES Copilot 1.0还具备超长程注意力机制，能高效理解和分析超过3000页的复杂手术教材，对于年轻医生的培训与科研工作提供了有力支撑。
总之，医疗大模型只有达到足够专业、精准的程度，才能赢得医生的信任与接纳。CARES Copilot 1.0的出现，正推动着神经外科手术向更精准、更智能的方向演进，也为整个医疗行业的发展开辟了新的可能。
