中国团队研发医疗影像模型可一次性识别146种腹部病症

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AI模型DAMO RADAR。该模型面向腹部增强CT诊断，可一次性识别146种腹部病症，其准确性首次达到影像科专家级水平，现已正式开源。

北京时间18日凌晨，上述成果在国际学术期刊《科学》发表。

医疗影像是众多疾病诊断的关键依据，腹部增强CT是临床最复杂的影像诊断场景之一，涵盖数十个器官、数百种潜在病变。传统医疗AI多为单病种专用模型，依赖海量人工标注数据，成本高、通用性弱，无法适配临床多病种、复杂化的诊疗需求。

对此，研究团队创新采用视觉-语言学习框架，摒弃繁琐人工标注，直接学习海量临床CT影像与诊断报告的内在关联。针对CT信号稀疏、常规算法识别精度不足的问题，团队首创器官级细粒度对齐策略，将三维CT数据拆解为独立解剖单元，实现影像与文本的精准匹配，搭配自适应对比建模，完成高精度、可泛化、可解释的智能诊断训练。

据达摩院资深算法专家张灵介绍，该模型可覆盖18个人体器官、146种腹部病症，包含各类恶性肿瘤等危重病变。经过近4万例真实临床病例测试，模型诊断的AUC值达0.913，即便应对未训练过的急腹症场景，AUC值仍高达0.904，泛化能力表现优异。

多项人机对照试验验证了模型的专家级实力。经试验，临床辅助应用中，该模型可让医生疾病漏诊率大幅降低，诊断敏感性提升10%，阅片耗时减少30%以上，有效助力低年资医生更好达到高年资专家诊断水平。

浙江大学医学院附属第一医院放射科主任医师肖文波表示，腹部CT诊断难度极高，该模型填补了临床通用辅助诊断工具的空白，如同智能阅片导航，可为医生提供精准参考，助力患者获得及时、精准的诊疗服务。

研发团队表示，该模型的技术范式不局限于腹部CT，未来可迁移至多类医疗影像场景，为通用医疗AI研发提供崭新路径，加速医疗领域通用人工智能落地。

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。