阿里通用医疗影像AI模型DAMO RADAR登上Science

今天，又登顶刊。

阿里巴巴达摩院联合浙江大学医学院附属第一医院等机构研发出通用医疗影像


AI


模型DAMO RADAR，登上国际顶级学术期刊《科学》（Science）。

简单介绍一下DAMO RADAR，它面向腹部增强CT诊断，可一次性识别超过146种病症，平均AUC达到0.913（AUC是区分患者与正常人的能力指标，数值越高越好，1代表能进行完美区分），首次达到影像科专家水平，现已正式开源。

腹部CT就像一张信息量超大的“身体地图”：几十个器官挤在一起，还藏着数百种可能的病变。

过去的医疗影像AI更像“单科选手”，一个模型只会找一种病。

每学一种新病，都要重新准备大量人工标注的片子，费时费力。面对真实临床中的复杂情况，这种“一病一模”的方式实在忙不过来。

所以我们换了条思路：不再让AI“一种病学一门课”，而是让它同时看CT、读报告，自己理解影像和文字之间的对应关系。

但CT里的异常


信号


常常很微弱，AI很容易“看着片子，对不上报告”。

为此，研究团队在国际上首次提出“器官级细粒度对齐”：先把复杂的三维CT拆成一个个器官，再让每个器官的影像和相关报告精准“对号入座”。配合自适应对比建模，模型还能根据不同情况灵活调整。

这样无需增加人工标注，就能支持更多诊断任务，让判断更容易理解和追溯。

最终，DAMO RADAR从“单科选手”成长为腹部影像AI的“全能选手”，可以识别包括恶性肿瘤在内的多种疾病。研究团队重点评估了其中146种疾病，覆盖18个器官。

在近4万次真实检查中，它的AUC达到0.913——满分是1。这也让DAMO RADAR成为首个达到专家水平的通用医学影像AI模型。

在与26名影像科医生的“同场考试”中，它的平均准确率超过了其中23名医生。

在AI提示下，放射科医生识别疾病的敏感性（防漏诊的能力）提高了10%，用时减少了30%以上，并使低年资医生达到了高年资医生的诊断水平。

即使遇到训练时没见过的“急诊考题”，DAMO RADAR依然表现稳定，在急腹症识别上的AUC达到0.904。它不只是会做“练习题”，到了真实临床场景也能灵活应对。

研究团队表示，这套方法不仅能识别腹部CT中的多种疾病，未来还有望拓展到其他类型的医疗影像，为通用人工智能在医疗领域的应用打开更多可能。

多年来，达摩院研究团队始终在做一件事：训练AI读懂CT影像中的“蛛丝马迹”，帮助医生发现不易察觉的微小病灶。从胰腺癌、胃癌、肠癌等消化系统肿瘤筛查，到主动脉夹层预警，团队不断把研究推向真实临床，三年间发表5篇《自然·医学》和10余篇其他顶刊论文，为通用医学影像AI打下了基础。

此次推出并开源DAMO RADAR，是对多年积累的一次开放：让相关能力不再局限于单个病种或团队，而是能够被更多医疗机构和研究者使用、验证与拓展。

我们希望推动通用医学影像AI走进更多临床场景，让技术进步转化为可复制、可普及的医疗能力，让高水平诊断逐步跨越经验与地域的限制，最终惠及更多患者。