阿里達摩院開源腹部影像 AI 模型 DAMO RADAR，覆蓋 146 種疾病並登上《Science》

據報導，阿里達摩院研發的通用腹部醫療影像 AI 模型 DAMO RADAR 登上《Science》期刊，並已開源模型、程式碼與技術框架。該模型覆蓋肝臟、胰腺、膽囊、腎臟、腸道等 18 種解剖結構與 146 種臨床常見病變。 在技術架構上，RADAR 未採用傳統逐片標註的監督學習，而是透過視覺-語言對比學習，直接從 CT 影像與診斷報告中學習。其核心突破為「器官級細粒度對齊」，先從 CT 中定位各器官，將影像拆解為器官單元後，再與報告中對應的描述精確對齊，並搭配自適應對比建模動態調整樣本距離。 在效能驗證方面，RADAR 於內部近 3.9 萬例真實世界連續隊列中，平均 AUC 達 0.913；在外部 8 家醫院逾 2.4 萬例 CT 驗證中，AUC 達 0.895。針對未納入訓練目標、成像效果較差的急診場景（2.7 萬例），AUC 仍達 0.904。此外，在肝癌、胰腺癌、胃癌、腸癌四種癌症的診斷上，以病理活檢結果為標準，其 AUC 達 0.891-0.984。 在人機對比測試中，RADAR 與來自 14 家醫院的 26 名放射科醫生進行獨立診斷，準確率超越其中 23 名醫生，僅略弱於 3 名資深醫生。人機協同測試則顯示，醫生在 AI 輔助下整體敏感度提升約 10%，平均閱片時間減少 30% 以上，且「初級醫生+AI」的敏感性超過資深醫生獨自閱片。