一款AI模型可从单张腹部增强CT影像中，一次性识别146种病症，诊断水平首次达到影像科专家水准。9月18日，阿里巴巴达摩院联合浙江大学医学院附属第一医院等机构研发的通用医疗影像AI模型DAMO RADAR，登上国际顶级学术期刊《科学》，并正式开源。

腹部CT素来被业内视为“最难读的CT”。“你问问年轻医生，最怕进的科室组别，就是腹部影像组。”浙大一院放射科主任肖文波拥有三十余年从业经验，她告诉记者，一份腹部CT报告需要覆盖消化、泌尿等多个系统的数十个器官，即便是中高级医生，完成一份报告也需要20分钟至半小时。腹部器官多为软组织，密度相近，病灶识别难度极高，“完全依靠人眼分辨细微的密度差异，才能精准检出病灶。”

长期以来，医疗影像AI普遍采用“一病一模”的研发模式，单一模型仅针对一种疾病开展识别诊断，从立项研发到落地发布往往需要两三年时间。“单病种AI，就像只专攻一类题型的学生，固定题型考试成绩优异，换一类题目便无从下手。”曾主导研发肺癌、肠癌等单病种AI模型的达摩院高级算法专家张建鹏深刻意识到，按照这种研发模式，医学AI或许永远无法融入临床主流程——患者的病情复杂多样，绝不会带着单一标准化病症就诊。

为此，达摩院团队另辟蹊径，在国际上首创“器官级细粒度对齐”技术。放射科医生阅片，向来以人体解剖结构为核心，依次核查肝脏、胰腺、胆道等器官。团队以此为思路，让AI复刻专业阅片逻辑：将CT三维数据拆解为独立的器官级解剖单元，在器官层面实现影像数据与诊断报告文本的精准对齐，无需人工标注即可完成模型训练，大幅突破传统技术瓶颈。

模型验证数据成果亮眼：在近4万例连续临床病例、146种病症的测试中，模型平均AUC（区分患病与健康样本的核心指标）达0.913；在覆盖14家医院、26名影像科医生的人机对比试验中，模型平均诊断准确率超越23名医生；依托该AI辅助，临床医生的诊断敏感度提升约10%，阅片耗时缩短30.7%。

“我刚看到数据时完全不敢相信，腹部这么多形态、密度相近的器官，AI居然能精准识别146种病灶？”肖文波表示，经过第二轮临床验证，模型效果依旧稳定出色，全体临床医生的共识就是“尽快部署落地”，“这是行业一直渴望实现，却又普遍认为难以达成的AI技术突破。”

目前，DAMO RADAR模型、核心代码及全套技术框架已全面开源。谈及凌晨收到《科学》期刊录用邮件的时刻，从零到一牵头攻克该技术方向的张建鹏坦言：“除了兴奋，更多是阶段性攻坚完成的释然。”而肖文波有着更具体的期许：“基层医院阅片量有限、医生临床经验相对不足，腹部CT阅片难度更大。希望这款AI能尽快落地基层，助力一线临床诊断。”