阿里达摩院登Science 一模型识别146种腹部病症

时间：2026年9月18日 地点：中国杭州（达摩院）/ 美国《Science》期刊 人物：阿里巴巴达摩院高级算法专家张建鹏、张凌；浙大一院放射科主任肖文波 事件详情：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《Science》正刊。这是国际上首个达到放射科专家水平的通用医学影像AI，可一次性识别腹部增强CT扫描中18个器官、146种临床发现，含恶性肿瘤等重症，覆盖近150种异常。在近4万次真实世界检查中，DAMO RADAR平均AUC（受试者工作特征曲线下面积，1.0为完美诊断）达0.913；在8家外部医院、24000余张不同厂商CT扫描中AUC仍保持0.895；在27000例急诊场景（不在原训练目标内）AUC达0.904。对肝、胰、胃、结直肠癌等以病理活检为金标准的癌种，AUC范围0.891-0.984。 背景：现有医疗影像AI多为"一病一模"——单一模型只针对特定场景的特定疾病，依赖大量人工标注、训练成本高、通用性差。达摩院采用"视觉-语言学习"（Vision-Language Learning），用器官级细粒度对齐策略将CT构建为三维数据并分解为解剖单元，让模型直接学习医学影像与对应报告的内在关联，无需额外人工标注。论文显示，DAMO RADAR与26名来自多家医院的放射科医生进行人机对比试验：平均准确率超过其中23名医生。在AI辅助下，医生识别疾病的敏感性（防漏诊能力）提高10%，用时减少超过30%；低年资医生搭配AI的诊断水平甚至超过高年资医生单独诊断。 影响：模型、代码与训练框架以开源许可证发布，权重全部开放。该模型直接冲击联影、推想等"专病模型"厂商的授权护城河——146种疾病覆盖一次性打破"一病一模"格局。对中国医疗AI生态而言，医院集团与设备厂商可低成本构建自有诊断产品；阿里云借此深化医院AI算力、存储、数据负载绑定，与Qwen模型家族形成更完整的AI堆栈。海外医学界评价这一发布为"医疗影像AI从专病模型向通用模型的重大跨越"。研究团队表示，训练方法未来可推广至MRI、超声等其他影像类型。 总结：阿里达摩院以DAMO RADAR开源登顶《Science》，在4万例CT影像上以0.913 AUC击败23名放射科医生，成为首个专家级通用医疗影像AI。开源策略放弃直接授权收入，转而绑定阿里云算力与Qwen生态，或将重塑中国医疗AI的产品架构。 参考来源： 1. https://www.scmp.com/tech/big-tech/article/3368055/alibaba-open-sources-medical-ai-model-can-detect-cancer-and-nearly-150-conditions 2. https://www.edwealth.ai/news/post/alibabas-damo-radar-hits-expert-accuracy-across-146-diseases 3. https://www.163.com/dy/article/L74BFVND0552C2FY.html 4. https://www.toutiao.com/article/7686744111260385802/ 5. https://new.qq.com/rain/a/20260918A05SBI00 6. https://gmasia.ai/news/alibaba-open-sources-medical-ai-model-that-can-detect-cancer-and-nearly-150-conditions 7. https://deniz.in/alibaba-open-sources-damo-radar-a-ct-scan-ai-that-spots-nearly-150-abdominal-con 8. https://www.vespernews.com/en/news/151082bc-50b6-49e2-b186-65c3d8ec5021