阿里达摩院通用医学影像AI模型DAMO RADAR研究登上Science

9月18日，Science正式刊发阿里达摩院联合浙大一院等机构研发的通用影像AI模型DAMO RADAR研究。该模型覆盖腹部18种解剖结构、146种病，被介绍为全球首个专家级通用影像AI模型，模型、代码、框架全部开源。

腹部CT是临床公认难度较高的影像场景，涉及多个系统，器官多为软组织、密度接近。RADAR没有沿用逐片标注的监督学习，而是通过视觉-语言对比学习从影像与诊断报告的对应关系中训练，并通过“器官级细粒度对齐”，将整套CT拆解为器官单元与报告描述精确对齐；自适应对比建模则根据医学知识动态调整样本间距离。

验证方面，RADAR在内部近3.9万例连续队列中平均AUC达0.913，在8家外部医院超2.4万例CT上AUC为0.895；在未纳入训练目标的2.7万例急诊数据上AUC为0.904。针对四种癌症的病理金标准测试中，AUC为0.891-0.984。

26名放射科医生参与的人机对比中，RADAR准确率超过23名医生，略弱于3名资深医生。人机协同下，医生整体敏感度提升约10%，平均阅片时间减少30%以上。浙大一院放射科主任肖文波介绍，AI既能减少漏诊，也能辅助年轻医生培养。

团队表示，该框架还可向MRI、PET、超声等模态迁移。DAMO RADAR的模型、代码和技术框架已全部开源。