2025年8月12日，厦门大学王连生教授与中山大学吴小剑教授、高峰教授团队在国际顶级学术期刊《Advanced Science》在线发表题为 “CRCFound: A Colorectal Cancer CT Image Foundation Model Based on Self-Supervised Learning” 的研究论文。研究提出了首个基于自监督学习的结直肠癌（CRC）CT影像基础模型 CRCFound，为CRC的精准诊断与个性化风险分层提供了新方案。

结直肠癌是全球最常见的胃肠道恶性肿瘤之一，五年生存率仅约65%，对人类健康构成重大威胁。个性化治疗虽展现出改善疗效的潜力，但精准的术前风险分层仍然是临床难点。现有评估方法依赖于术后标本及昂贵的分子检测，难以满足术前决策需求。

在该研究中，团队整理了6332例CRC患者CT影像数据，其中5137例未标注图像用于自监督预训练，构建了CRCFound模型。该模型在六项诊断任务（如TNM分期、MSI预测、CMS分类）和两项预后任务（总生存期、无病生存期预测）中表现优异。实验结果表明，CRCFound能够充分利用未标注CT数据，解决医学影像标注不足的瓶颈问题，具有良好的跨任务泛化能力。

研究成果显示，CRCFound不仅推动了医学影像人工智能基础模型的发展，也为结直肠癌的术前精准风险分层和个体化治疗提供了重要支撑。为推动相关研究，团队已公开预训练权重，欢迎学术界进一步拓展和应用。

厦门大学健康医疗大数据研究院2022级博士研究生杨静是本文第一作者，王连生教授与中山大学吴小剑教授、高峰教授为该论文的共同通讯作者。该研究获得多项科研基金支持。

原文链接： https://doi.org/10.1002/advs.202407339

、