等机构联合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》（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，准确性首次达到影像科专家级水平，现已正式开源。

　　现有医疗影像AI面临“一病一模”的困境，即一个模型只针对特定场景的特定疾病，训练依赖大量人工标注，成本高、耗时长、通用性差，难以满足复杂的真实临床需求。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，缺乏通用的辅助诊永利官网断模型。

　　为解决这一难题，达摩院采用视觉-语言学习方法，让模型直接学习医学影像与对应报告文本之间的内在关联。达摩院高级算法专家张建鹏介绍，由于CT数据信号稀疏，常规的视觉-语言学习效果不佳，研究团队采用“器官级细粒度对齐”策略，将CT三维数据分解为解剖单元，在组织器官层面实现图像与报告文本的精确对齐，无需额外人工标注即可完成可扩展、多用途、可解释的诊断。

　　值得一提的是，DAMO RADAR面对初始训练之外的急诊场景依然能展现出较高性能，在急腹症上AUC达到0.904。“它原生具有良好的泛化能力和通用性，其研究范式不仅可用于腹部CT的多病种识别，还有望应用于其他形态的医疗影像。”达摩院资深算法专家张灵表示。

　　据悉，达摩院长期投入医疗AI，先后在胰腺癌、胃癌、肠癌等消化系统肿瘤筛查及主动脉夹层预警等领域取得突破，三年内发表5篇《自然·医学》和十余篇其他顶刊论文。