阿里达摩院开源医学AI模型，可识别近150种腹部疾病

导语

阿里巴巴旗下达摩院开源了一款面向医学影像分析的视觉语言模型 Damo Radar。根据相关研究，这个模型能够读取增强CT扫描，识别包括恶性肿瘤在内的近150种腹部疾病和异常，覆盖18个腹部器官。它的定位不是只针对某一种癌症的专用工具，而是尝试在一次影像分析中处理更广泛的临床发现。

核心要点

• 面向增强CT检查：Damo Radar使用带有对比剂的CT扫描作为主要输入，分析范围集中在腹部影像。
• 覆盖多种疾病和异常：模型可识别近150种腹部状况，研究评估涉及146项临床发现，其中包括恶性肿瘤。
• 训练方式结合影像与报告：研究团队将CT扫描与相应的临床报告配对，用于训练这一视觉语言模型。
• 在真实世界数据上测试：模型在接近4万例真实世界检查中取得平均0.913的AUC。AUC越接近1，通常意味着区分相关临床结果的能力越强；1.0代表完美表现。
• 研究中的比较结果：论文称，Damo Radar的表现超过大多数参与比较的放射科医生，但这并不意味着模型已经取代医生，或能够独立完成临床诊断。

为什么值得关注

医学影像AI过去往往围绕单一任务建立，例如检测某种肿瘤或判断某一器官是否异常。Damo Radar尝试把多个器官、多个疾病和不同类型的影像发现放进同一个模型中，体现了“通用医学影像模型”的发展方向。如果这种方法能够在更多影像类型上复制，医院或许可以减少在多个专用系统之间切换的成本，并为影像科提供更统一的辅助筛查入口。

开源也带来了额外价值。研究人员和医疗机构可以进一步检查模型的能力边界，使用本地数据开展验证，或研究其在不同人群和设备上的表现。不过，开源权重本身并不能证明模型适合直接用于患者诊疗。医疗影像数据可能存在地区、设备、病例结构和标注方式差异，模型在训练数据之外的准确性仍需要独立评估。

仍需关注的限制

首先，AUC是总体区分能力指标，不能直接等同于临床中的灵敏度、特异度或患者获益。其次，材料没有披露完整的测试人群构成、错误类型、不同疾病的分项表现，以及模型是否经过前瞻性临床试验。再次，面对疑难病例时，模型输出仍需要由具备资质的专业人员结合病史、检查结果和其他资料进行判断。

因此，Damo Radar更适合被理解为一个具有研究和辅助诊断潜力的开放模型，而不是已经完成临床验证的自动诊断系统。它的真正影响，将取决于后续独立复现、跨机构验证以及监管机构对实际医疗用途的评估。

来源：Hacker News