【中新社杭州9月18日電】（張煜歡）阿里巴巴達摩院與浙江大學醫學院附屬第一醫院等機構研發出通用醫療影像AI模型DAMO RADAR。該模型面向腹部增強CT診斷，可一次性識別146種腹部病症，其準確性首次達到影像科專家級水平，現已正式開源。

　北京時間18日凌晨，上述成果在國際學術期刊《科學》（Science）發表。

　醫療影像是眾多疾病診斷的關鍵依據，腹部增強CT是臨床最複雜的影像診斷場景之一，涵蓋數十個器官、數百種潛在病變。傳統醫療AI多為單病種專用模型，依賴海量人工標註數據，成本高、通用性弱，無法適配臨床多病種、複雜化的診療需求。

　對此，研究團隊創新採用視覺-語言學習框架，摒棄繁瑣人工標註，直接學習海量臨床CT影像與診斷報告的內在關聯。針對CT信號稀疏、常規算法識別精度不足的問題，團隊首創器官級細粒度對齊策略，將三維CT數據拆解為獨立解剖單元，實現影像與文本的精準匹配，搭配自適應對比建模，完成高精度、可泛化、可解釋的智能診斷訓練。

　據達摩院資深算法專家張靈介紹，該模型可覆蓋18個人體器官、146種腹部病症，包含各類惡性腫瘤等危重病變。經過近4萬例真實臨床病例測試，模型診斷的AUC值（區分患者與正常人的能力指標，數值越高越好，1代表能進行完美區分）達0.913，即便應對未訓練過的急腹症場景，AUC值仍高達0.904，泛化能力表現優異。

　多項人機對照試驗驗證了模型的專家級實力。經試驗，臨床輔助應用中，該模型可讓醫生疾病漏診率大幅降低，診斷敏感性提升10%，閱片耗時減少30%以上，有效助力低年資醫生更好達到高年資專家診斷水平。

　浙江大學醫學院附屬第一醫院放射科主任醫師蕭文波表示，腹部CT診斷難度極高，該模型填補了臨床通用輔助診斷工具的空白，如同智能閱片導航，可為醫生提供精準參考，助力患者獲得及時、精準的診療服務。

　研發團隊表示，該模型的技術范式不局限於腹部CT，未來可遷移至多類醫療影像場景，為通用醫療AI研發提供嶄新路徑，加速醫療領域通用人工智能落地。◇