阿里达摩院联合浙江大学医学院附属第一医院等机构研发的通用医疗影像AI模型 DAMO RADAR，相关成果登上国际顶级学术期刊《科学》（Science），模型现已正式开源。
- 论文地址：https://www.science.org/doi/10.1126/science.aec6129
- GitHub：https://github.com/alibaba-damo-academy/damo-radar
该模型聚焦腹部增强CT影像诊断，可一次性识别超过146种病症，覆盖18个人体器官，包含各类恶性肿瘤。经过实测评估，它的诊断准确性首次达到影像科专家水准。
传统视觉语言模型在CT数据上效果有限，原因在于CT影像信号稀疏。本次研究在国际上创新采用器官级细粒度对齐方案：把三维CT数据拆解成不同解剖单元，在器官组织层面完成影像和诊断报告文本的精准匹配，搭配自适应对比建模策略。这套方案不需要大量人工标注，就能构建具备强扩展性、多用途、可解释性的医学诊断能力。
在近4万份真实临床检查样本测试中，DAMO RADAR的AUC指标达到0.913，AUC数值越高代表区分患病与正常样本的能力越强。研究团队还开展人机对照试验，邀请26名来自多家医院的影像科医生同台对比，该模型平均准确率超过其中23名医生。
更有价值的是AI的辅助增效效果：医生在DAMO RADAR的提示辅助下，疾病检出敏感性（防漏诊能力）提升10%，阅片耗时减少30%以上。借助这个AI工具，低年资医生的诊断水平可以向高年资医生靠拢。
不同于只能识别单一种类病灶的专用模型，DAMO RADAR属于通用腹部影像AI，一次扫描即可批量筛查上百种病变。开源之后，科研机构、医疗机构可以基于该模型继续开展二次研究与落地验证，推动医疗影像AI走向临床辅助诊断。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
