对于普通人来说，做一次腹部CT之后等报告往往要排队、要等医生，而基层医院有时还缺经验丰富的影像科医生。达摩院这次把达到专家水平的医疗影像AI开源出来，意味着这类能力未来有机会下沉到更多医院和科室，让影像诊断更快、漏诊更少，普通人看病多了一层辅助保障。
9月18日，阿里达摩院宣布，与浙江大学医学院附属第一医院等机构共同研发的通用医疗影像AI模型DAMO RADAR，相关成果发表在国际顶级学术期刊《Science》上。该模型面向腹部增强CT诊断，可一次性识别超过146种病症，其准确性首次达到影像科专家级水平，目前已经正式开源。
在技术上，达摩院采用了视觉-语言学习方法，让模型直接学习医学影像与对应报告文本之间的关联。达摩院高级算法专家张建鹏介绍，由于CT数据信号稀疏，常规视觉-语言学习效果并不理想，这项研究在国际上首次采用“器官级细粒度对齐”策略，将CT三维数据分解为解剖单元，在器官层面实现图像与报告文本的精确对齐，并通过自适应对比建模动态调整，无需额外人工标注即可完成可扩展、多用途、可解释的诊断。
DAMO RADAR覆盖了包含恶性肿瘤在内的广泛腹部病症，研究团队评估了其中146种，涉及18个器官。在近4万次真实世界检查中，模型的AUC达到0.913（AUC是衡量区分患者与正常人能力的指标，数值越高越好，1代表完美区分），成为首个达到专家水平的通用医学影像AI模型。
论文还披露了人机对比试验的结果。DAMO RADAR与来自多家医院的26名影像科医生进行了比对，其平均准确率超过了其中23名医生。在AI提示的辅助下，影像科医生识别疾病的敏感性（即防漏诊的能力）提高了10%，用时则减少了30%以上，并帮助低年资医生达到高年资医生的诊断水平。
目前该项目已在GitHub开源，论文链接与代码均已公开。对医疗行业而言，这类开源模型的价值在于降低高水平影像诊断能力的获取门槛——尤其在影像科医生相对紧张的地区，AI辅助有望成为提升诊疗效率的一条现实路径。
信息来源：阿里达摩院（相关成果发表于《Science》）
本文仅供信息参考，不构成任何投资建议。