Science刊登中国研究：AI一次看146种病，医疗GPT时刻快来了？通用模型迈向临床应用
9月18日，阿里巴巴达摩院与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》。该模型面向腹部增强CT，可一次性识别超过146种病症，其诊断准确性首次达到影像科专家级水平。目前，DAMO RADAR已正式开源。
这一进展标志着医疗影像AI从过去针对单一疾病训练的“专病模型”向能够同时处理多器官、多病种的通用模型转变。腹部CT是临床影像诊断中较为复杂的一类检查，包含肝脏、胰腺、肾脏、胃肠道等多个器官，潜在异常和病变种类众多。以往的医疗AI通常采用“一病一模”的方式，即一个模型解决一个特定问题。然而，这种方式需要大量经过医生标注的数据，研发成本高，并且在面对真实临床中复杂、多变的情况时，模型往往难以应对。
DAMO RADAR采用了不同的方法。达摩院利用视觉-语言学习方法，让模型同时学习医学影像和对应诊断报告之间的关系。由于CT本身是三维数据，且医学影像中的有效信号较为稀疏，传统视觉-语言学习方法难以直接应用。为此，研究团队提出“器官级细粒度对齐”策略，将CT三维数据拆解为不同解剖单元，在组织、器官层面让影像与报告文本进行更精准的对应，再通过自适应对比建模动态调整学习过程。这种方法能够利用已有的影像和报告信息，使模型学习更多疾病特征。
最终，DAMO RADAR覆盖了包括恶性肿瘤在内的广泛腹部病症，对146种疾病、18个器官进行了评估。在近4万次真实世界检查中，模型AUC达到0.913，表明其区分患者与正常人的能力较强。研究团队还让AI与26名来自多家医院的放射科医生进行对比测试，结果显示DAMO RADAR的平均准确率超过其中23名医生。更重要的是，AI作为辅助工具，可以提高放射科医生识别疾病的敏感性，减少诊断用时，提升低年资医生的诊断水平。