一张 CT 片子，在美国拍，账单能开到 7000 美元，换算成人民币小五万；同样一张片子，在国内公立医院拍，一般也就两百来块钱。

同一件事，价格能差出两百多倍，这事儿搁谁身上都得愣一下。

9 月 18 号，这件事有了个新说法。阿里达摩院联合浙大一院，搞出来一个能看腹部 CT 的 AI，叫 DAMO RADAR，还直接把它开源了，全世界的医院想用都能拿去用，不收钱。

【7000 美元和 200 块，差的不是设备，是路子】

先说清楚，美国医疗贵，这不是新鲜事，很多人早就知道。我这里想说的，是这背后那条路，走得不一样。

国外那几家做 AI 的大厂，模型基本都关着门，不对外公开，想用得按次付费，而且用得越深，收得越贵。技术是好技术，可这道墙越砌越高，普通人反而越用不起。这跟看病贵是一个道理——不是技术不行，是这条路压根就没打算让普通人便宜受益。

阿里这次走的，是另一条路。这几年全球爆火的开源大模型，一大半都是中国团队做的，这回达摩院登上《科学》期刊的最新成果，也是直接开源，谁都能拿去用。这一步的意义，不在于又出了个厉害的模型，是在医疗这个最不能出错的行业里，这条路子也立住了。

【这个 AI，学的是医生怎么读片】

腹部 CT 一直是医学影像里最难啃的一块——十几个器官，上百种可能的病，一个医生看一份片子，要翻几十甚至几百张切片，看完一份至少二十分钟。以前的 AI 大多是 " 一病一模 "，专攻一种病，可临床上医生要顾的是好几个器官同时看，这种 AI 帮不上太大忙。

DAMO RADAR 这次做到的，是从 " 专才 " 变成 " 通才 "——一个模型能覆盖腹部 18 个器官，识别超过 146 种病症。它的训练方式也挺有意思，不是靠人工一张张标注病灶，是直接拿医院里现成的 CT 影像和对应的诊断报告去学，模型自己去摸索影像和文字描述之间的关系，有点像跟着医生学徒。

它还学着医生的路子，一个器官一个器官地排查，而不是整张片子囫囵看，这样才不容易把细小的病灶给漏了。

浙大一院是这次合作的临床方，这类落地研究，光有算法不够，还得有真实病例和医生把关。

【数字过了关，还是全开源放出去了】

这东西到底靠不靠谱，不是嘴上说说。团队拿了近 4 万次真实临床测试数据来验证，诊断准确率超过了参与测试的 26 名放射科医生里的 23 人，AI 辅助下医生的漏诊率能降一成，读片时间少了三成。这数据放出来，登上《科学》期刊，算是过了这个行业最挑剔的一关。

过了这一关之后，达摩院没选择藏着掖着按次收费，而是全部开源，全球的医院都能免费用。一个是把最好的技术锁起来收费，一个是直接给全世界，这两条路子摆在一起，高下立判。

【我看完这事，想到的】

我不是搞技术的，也不懂什么视觉 - 语言学习框架，就是个普通人，看病也怕贵、怕排队、怕拍个片子医生半天说不清楚。看完这条消息，我心里冒出来的第一个念头是：技术这东西，说到底还是要看它往哪边使劲。同样是最顶尖的 AI，往收费那条路走，就是把普通人挡在门外；往开源那条路走，就是让更多地方的医院，都能多一双不会累的眼睛帮着看片子。

之前刷到过一个数据，斯坦福那边做的调查，84% 的中国人对 AI 态度是积极的，美国这个比例只有 38%。当时没太琢磨明白为啥差这么多，看完这条消息倒是有点懂了——你要是知道 AI 能帮你把 CT 从 7000 美元拍到 200 块，你也乐意拥抱它；你要是天天担心 AI 又要多收你一笔钱，那谁能高兴得起来。

我身边也有朋友，家里老人查出点毛病，一趟一趟做检查，光影像资料就攒了一沓，医生对着片子一张张看，确实费时间。要是这种 AI 真能在基层医院普及开，医生看片子能快一点，普通人少跑几趟、少花点冤枉钱，那才是这项技术真正落地的意义，不是拿来吹牛的。

开源这一步，说白了不是做慈善，是选了一条更笨也更难的路——不靠收费赚快钱，靠的是让更多人用起来，把这条路走宽。这事能不能真正惠及到每一个普通人身上，还得看后面怎么推广、怎么落地。但至少这一次，方向是对的。

技术这东西，走对了路，才配叫进步。

图片来自网络，如涉及版权问题，请联系删除。本文数据来源于公开报道及相关机构披露信息，部分表述仅代表个人观点，仅供参考。