本报讯（记者赵广立）阿里巴巴达摩院与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人工智能（AI）模型DAMO RADAR。相关成果近日发表于《科学》。该模型面向腹部增强计算机断层扫描（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，现已正式开源。

医疗影像是诸多疾病诊断的关键依据，而腹部CT是临床最复杂的影像之一，涉及数十个组织器官和数百种潜在异常或病变。现有医疗影像AI在专用模型上虽然取得了许多进展，但一个模型仍只能针对特定场景的特定疾病进行诊断。“一病一模”在训练上依赖大量人工标注，成本高、耗时长、通用性差，难以满足复杂的真实临床需求。

为破解这一难题，阿里巴巴达摩院采用视觉-语言学习方法，让模型直接学习医学影像和相应报告文本的内在关联信息。阿里巴巴达摩院高级算法专家张建鹏表示，由于CT数据信号稀疏，常规的视觉-语言学习效果不佳。新研究在国际上首次采用“器官级细粒度对齐”策略，将CT构建为三维数据并分解为解剖单元，在组织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策略动态调整，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，AUC可达0.913，成为首个达到专家水平的通用医学影像AI模型。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。

DAMO RADAR与26名来自多家医院的放射科医生进行了人机对比试验，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。

“腹部CT诊断是最具挑战的影像科任务，长期缺乏一种通用的辅助诊断模型。”浙江大学医学院附属第一医院放射科主任肖文波表示，DAMO RADAR首次实现了腹部多器官、多病种的高准确检出，为医生提供诊断支持，有望帮助更多患者得到及时、准确的治疗。值得一提的是，DAMO RADAR在初始训练之外的急诊场景依然能展现出较高的性能，在急腹症上AUC达到0.904。

相关论文信息：

https://doi.org/10.1126/science.aec6129