南华大学附属长沙中心医院超声诊断科李建、金林原团队与省内多家医院合作于2023年2月3日在《nature》合作期刊《npj Digital Medicine》（JCR一区/影响因子15.357）发表题为《Towards precision medicine based on a continuous deep learning optimization and ensemble approach》科研论文。李建副主任医师为共同通讯作者，金林原副主任为共同第一作者，科室20多位医生参与该项目，南华大学附属长沙中心医院为第一单位和第一通讯作者单位。该文为实现AI精准诊断研发了深度学习优选集成方法，并基于该方法研发了一套持续深度学习系统（continuous learning system，CLS）。
该文以实现超声乳腺肿块精准诊断为例对CLS进行了模拟前瞻性研究，首次采用少量数据持续学习训练人工智能诊断模型，并对原始图像不进行任何裁剪和处理，使其更符合临床实际工作，采用优选方法解决了持续机器学习过程中AI诊断的监管问题，应用多模型集成方法实现了对肿块可同时进行良恶性诊断、病理类型和病理疾病诊断。CLS在3个外部数据集中使用7个独立数据集进行了测试并与21名医生进行了比较，CLS完成6次学习后诊断能力超过了20名医生。这一方法可望实现AI也可以跟医师一样在临床实际工作中不断学习提高诊断能力，通过进一步的深入研究可望实现AI诊断的重大突破，可进一步改善临床医疗工作和实现AI的广泛临床应用。
李建、金林原团队在计算机技术应用于超声诊断领域方面已研究多年，申报相关省级课题2项，发表SCI论文3篇，申请专利2项。项目《基于多模型融合自动学习的超声影像AI系统》于2020年获得第二届湖南省医学科技创新创业大赛一等奖，论文《超声报告缺陷智能提醒系统研究与应用》参加第三届全国超声医学质量控制大会获得优秀论文奖并在大会上发言，论文《智能检测系统结合人工审核在超声报告左右逻辑错误检测中的应用》参加第五届全国超声医学质量控制大会获得优秀论文奖并在大会上发言。
Jian Li.Linyuan Jin et al. Towards precision medicine based on a continuous deep learning optimization and ensemble approach. NPJ Digit Med. 2023;6(1):18. Published 2023 Feb 3. doi:10.1038/s41746-023-00759-1.
