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。
医疗影像AI长期存在“一病一模”的局限，依赖大量人工标注，成本高、通用性差，难以满足复杂临床需求。腹部CT涉及数十个组织器官和数百种潜在病变，是临床最复杂的影像之一，长期缺乏通用辅助诊断模型。
为此，研究团队采用视觉-语言学习方法，让模型直接学习医学影像与报告文本的内在关联。针对CT数据信号稀疏的问题，研究在国际上首次采用“器官级细粒度对齐”策略，无需额外人工标注即可完成可扩展、多用途、可解释的诊断。
DAMO RADAR覆盖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达0.913，成为首个达到专家水平的通用医学影像AI模型。与26名影像科医生的人机对比显示，其平均准确率超过其中23名医生；在AI提示下，医生识别疾病的敏感性提高了10%。
浙大一院放射科主任肖文波表示，DAMO RADAR首次实现腹部多器官、多病种的高准确检出，能像“导航”一样为医生提供诊断支持，有望帮助更多患者得到及时、准确的治疗。