随手先关注，不错过每日AI热讯速递
①
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联合研发的通用医疗影像 AI 模型DAMO RADAR正式开源，相关论文同期刊发于《科学》（Science）正刊[1][3]。
它的全称是 Rapid Abdominal Diagnosis with AI and Radiology——基于人工智能与放射学的快速腹部诊断，目标很直接：让一个模型在腹部增强 CT 上同时看懂多个器官、多种病变[2]。
过去这条路的推进速度一直受限。医疗影像 AI 长期是“一病一模”：一个模型只负责一种病，训练依赖医生逐张标注，成本高、周期长，而人类疾病成千上万种，逐个铺开在时间上不可行[2][4]。
官方口径下，DAMO RADAR 覆盖18 个解剖结构146 种影像表现[3][4]。
近 4 万例真实世界检查中，它的平均 AUC（衡量模型区分患者与正常人能力的指标，1 代表完美区分）达到，团队称其为国际首个达到专家水平的通用医学影像 AI[3][4]。
与性能同时公布的还有开源动作：项目代码以Apache 2.0许可释出，预训练权重与配套文件可从Hugging Face下载[1]。
图：以人体解剖图版式列出达摩院医疗 AI 的历代模型与任务分布（来源：量子位[2]）
②
难点在于匹配。达摩院高级算法专家张建鹏解释过，CT 数据信号稀疏，常规的视觉-语言学习效果不佳[4]。
团队的做法是器官级细粒度对齐：先把三维 CT 数据拆成一个个解剖单元，让每个器官的影像与对应报告文本精准对位，再配合自适应对比建模动态调整，整个过程无需额外人工标注[3][4]。
训练规模随之放开。官方仓库口径为超过 40 万次增强腹部 CT 检查、1500 万组按解剖结构对齐的图文对，模型直接从临床报告学习[1]。
验证是分层的：内部近3.9 万例连续队列平均 AUC 达到；随后在来自8 家外部医院、超过2.4 万例CT 上复测，覆盖不同地区与不同扫描设备[2]。
训练目标并未包含急诊场景，团队仍拿2.7 万例急诊数据实测，急腹症 AUC 达到 0.904[2][3]。
这条路径的意义在于摆脱“一病一模”的线性扩张：模型学到的是影像与报告的对应关系，而不是某一种病的标注集合[2]。
图：顶部标题为“146 signs and diseases diagnosis (AUC)”，沿圆周排列多个解剖部位标签，叠加 CT-CLIP、Merlin、fVLM 与 RADAR 多条对比曲线（来源：量子位[2]）
③
研究团队还安排了一组人机对照：DAMO RADAR 与来自多家医院的26 名放射科医生在同一批病例上各自独立诊断，其平均准确率超过其中23 名，只稍弱于3 名资深医生[2][3]。
协同场景的结果更贴近现实：医生在有 AI 帮助时读片，整体敏感度（指防止漏诊的能力）提升约10%，平均阅片时间减少30%以上[2][3]。
实验还显示，“初级医生 + AI”的敏感性甚至超过资深医生独自阅片[2]。
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科任务，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[3]。
达摩院资深算法专家张灵则更看重这套范式的可迁移性——他认为，模型原生的泛化能力与通用性，使这套研究范式不仅适用于腹部 CT 的多病种识别，也有望向其他形态的医疗影像延伸[4]。
图：《科学》论文页首屏，可见英文标题 An expert-level generalist AI for abdominal CT diagnosis、作者列表与卷期信息（来源：光明网[3]）
④
不过“专家级”这一结论，目前是建立在研发方自有队列与自有评测之上[1][2]。
论文提名的外部验证集是 MERLIN，团队随代码一同释出了在该集合上的推理与评测工具，独立的第三方复现结果尚未出现[1]。
模型如何嵌入既有阅片流程、判读责任如何划分，公开材料中同样还没给出答案。
“首次”的界定也需要留意一下：达摩院使用的“国际上首个专家级水平通用医学影像 AI”“首次采用器官级细粒度对齐”，均属研发方自述口径[3][4]。
但从趋势看，这次发布把医疗影像 AI 的竞争焦点从“单病种精度”推向“覆盖广度与迁移能力”。达摩院三年内已发表5 篇《自然·医学》与 10 余篇其他顶刊论文，此番又把多病种能力整体开源[4]。
通用化路线一旦成立，最早受到改变的未必是诊断环节，而是医生读片的节奏：先由模型扫过全部器官，再由人集中处理可疑处。
你觉得 AI 辅助阅片应该先扫全部器官，还是只在疑点处给出提示？欢迎在评论区聊聊。
参考来源：
[1] An expert-level generalist AI for abdominal CT diagnosis（RADAR 官方开源仓库）https://github.com/alibaba-damo-academy/damo-radar
[2] AGI最难一战，竟在医院！中国AI登上Science，医生不怕失业还催着上线https://www.qbitai.com/2026/09/491875.html
[3] 全球首个专家级通用医疗影像AI登上Science 阿里宣布开源https://it.gmw.cn/2026-09/18/content_39007952.htm
[4] 我国专家级通用医疗影像AI登上《科学》 可识别146种病症https://www.cnfin.com/hg-lb/detail/20260918/4471945_1.html
欢迎点赞、分享、推荐
一起拥抱AI
热门跟贴