约翰斯·霍普金斯发布Merlin Plus大规模多癌种医疗数据集 破解肿瘤AI标注稀缺瓶颈 覆盖多器官肿瘤分割等核心场景

近年来，随着AI辅助诊疗、数字病理等医疗数字化场景的快速落地，医疗影像数据作为医疗领域核心数据要素的价值持续凸显。但肿瘤类医疗影像标注存在专业门槛高、标注成本高、生产周期长等行业共性痛点，多器官、多癌种的高质量标注数据集长期稀缺，更是成为制约通用型肿瘤诊疗AI模型研发、罕见肿瘤AI识别能力提升的核心瓶颈。正是瞄准这一行业痛点，约翰斯·霍普金斯大学联合哈佛大学等多家机构共同研发的Merlin Plus数据集于2026年9月29日正式首发于预印本平台arXiv，作为业内首个大规模多癌种CT图像-掩膜-报告数据集，其核心目标正是破解多器官肿瘤分割领域的标注稀缺难题。

本次发布的Merlin Plus数据集规模与标注质量均处于行业领先水平：共包含25,494对腹部CT扫描与对应放射学报告，在此基础上新增1,153个经专业放射科医师验证的逐体素肿瘤掩膜，覆盖脾脏、膀胱、胆囊等9种器官的恶性与良性肿瘤样本，同时还配套提供了去标识化处理的患者ID、扫描日期等纵向元数据，为时间维度的癌症病程研究提供了完整的数据支撑。在标注流程上，数据集研发团队采用“基于报告的主动学习框架生成初始掩膜+放射科医师人工修正”的创新模式，较传统纯人工标注模式效率提升3至5倍，在保障医疗级标注精度的前提下，大幅降低了大规模医疗影像数据集的构建成本，为后续同类医疗数据集的生产提供了可参考的范式。

从应用价值来看，Merlin Plus数据集可直接支撑多器官肿瘤检测、智能分割及癌症进展纵向分析等方向的AI模型训练，能够显著提升现有AI模型在罕见肿瘤类型上的识别精度与泛化能力。对于科研机构而言，该数据集可用于开展多癌种演化规律、肿瘤异质性、治疗响应差异等基础医学研究；对于医疗科技企业而言，可基于该数据集降低多器官肿瘤AI辅助诊断产品的研发门槛，缩短产品研发周期；在临床落地场景中，基于该数据集训练的AI模型未来可应用于辅助医师快速完成多器官肿瘤筛查、病程跟踪、疗效评估等工作，助力个性化诊疗方案的制定，进一步提升临床诊疗效率与精准度。作为医疗领域高价值数据要素的典型代表，Merlin Plus的发布也为全球医疗数据要素的规范化生产、高价值落地提供了参考样本，将进一步推动医疗AI从单器官单癌种的专用型模型向多器官多癌种的通用型模型迭代。

查看Merlin Plus

详情页内容：