阿里达摩院开源腹部CT模型DAMO RADAR：近4万例测试平均AUC 0.913

阿里巴巴达摩院9月18日宣布，与浙江大学医学院附属第一医院等机构合作研发的通用医学影像模型DAMO RADAR已完整开源，相关论文同日刊于《科学》(Science)正刊。这是一个面向腹部增强CT的视觉-语言模型，一次阅片可覆盖18种腹部解剖结构和146种病变，其中包括恶性肿瘤等多类异常。据鉅亨網报道，模型在近3.9万例内部连续队列上的平均AUC为0.913；在8家外部医疗中心逾2.4万例的验证中AUC介于0.874至0.912；以病理为金标准评估肝癌、胰腺癌、胃癌和结直肠癌时，AUC在0.891至0.984之间；对2.7万例未经专门训练的急诊CT，AUC仍达0.904。与26位放射科医师的对照测试中，模型表现超过其中23位；医师在AI辅助下诊断敏感度提高约10%，阅片时间缩短30%以上。技术上，达摩院让模型直接学习影像与临床报告的对应关系，采用“器官级细粒度对齐”与自适应对比建模，无需额外人工标注。据South China Morning Post报道，达摩院将其定位为“全球首个专家级通用医学影像模型”。达摩院和浙大一院方面强调，RADAR的角色是医师的阅片助手和带教工具，而非替代医师。

医学影像AI通常围绕单一病种开发，DAMO RADAR则用一个模型覆盖18种腹部解剖结构和146种病变。内部近3.9万例、8家外部医疗中心逾2.4万例和2.7万例急诊CT的测试结果，为评估通用模型能否适应不同临床场景提供了较完整的数据。模型已经开源，也便于医院和研究团队复现并检验这些结果。

对医院和影像科而言，26位放射科医师的对照测试显示，模型表现超过其中23位；医师使用AI后，诊断敏感度提高约10%，阅片时间缩短30%以上。不过，这些结果仍需更多机构独立复现。对阿里而言，开源有助于扩大RADAR的开发者和临床研究基础，后续价值取决于实际部署、监管审批及与医院工作流的整合。