9月18日，湖畔实验室（达摩院）与浙江大学医学院附属第一医院等机构研发出通用医疗影像AI模型DAMO RADAR，登上国际顶级学术期刊《科学》（Science）。该模型面向腹部增强CT诊断，可一次性识别超过146种病症，其准确性首次达到影像科专家级水平，现已正式开源。

研发专家级通用医疗影像模型有何意义？据了解，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，湖畔实验室（达摩院）采用视觉-语言学习方法，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。

“由于CT数据信号稀疏，常规的视觉-语言学习效果不佳，研究在国际上首次采用‘器官级细粒度对齐’策略，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。”湖畔实验室（达摩院）高级算法专家张建鹏说。

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，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%。

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。”