器械之家

医疗器械媒体报道先锋

分享专业医疗器械知识

关注

来源：达摩院 DAMO

医疗影像是众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 在专用模型上取得了众多进展，但一个模型只针对特定场景的特定疾病。" 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。

为解决这一难题，达摩院采用视觉 - 语言学习方法（Vision-Language Learning），让模型直接学习医学影像和相对应报告文本的内在关联信息。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，该项研究在国际上首次采用 " 器官级细粒度对齐 " 策略，将 CT 构建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来动态调整，无需额外人工标注即可完成可扩展、多用途、可解释的诊断。

最终，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（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），成为首个达到专家水平的通用医学影像 AI 模型。论文显示，DAMO RADAR 与 26 名来自多家医院的影像科医生进行了人机对比试验，其平均准确率超过了其中 23 名医生。在 AI 提示下，影像科医生识别疾病的敏感性（防漏诊的能力）提高了 10%，用时则减少了 30% 以上，并使低年资医生达到了高年资医生的诊断水平。

浙大一院放射科主任肖文波表示，" 腹部 CT 诊断是最具挑战的影像任务之一，长期缺乏一种通用的辅助诊断模型。DAMO RADAR 首次实现了腹部多器官、多病种的高准确检出，能像‘导航’一样为医生提供诊断支持，也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 面对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。" 它原生具有良好的泛化能力和通用性，其研究范式不仅可用于腹部 CT 的多病种识别，还有望应用于其他形态的医疗影像，这将加速通用人工智能的到来。" 达摩院资深算法专家张灵表示。

据悉，达摩院长期投入医疗 AI，用 AI 识别 CT 影像中肉眼难以识别的微小病灶，先后突破了胰腺癌、胃癌、肠癌等消化系统肿瘤筛查，以及主动脉夹层预警，三年内斩获 5 篇《自然 · 医学》和 10 多篇其余顶刊论文。此次，达摩院推出并开源了多场景、多病种的通用模型 DAMO RADAR，树立了医疗影像 AI 的全新里程碑，有望推动医疗行业向 AGI 时代迈进。

END

商务合作邮箱：qxzj@landianyiliao.com