Hinton预言十年后阿里通用医疗影像AI登Science，腹部CT诊断达专家水平

2016年11月，深度学习先驱、诺贝尔物理学奖得主Geoffrey Hinton曾做出一个大胆预测：放射科医生培养应该停止，因为深度学习将在5至10年内超越人类医生的能力。然而，近十年过去了，这个预言并未成为现实。尽管AI已在肺结节、糖尿病视网膜病变等特定场景中展现出超越专家的表现，但在复杂多器官的综合诊断领域，AI依然面临巨大挑战。

9月18日，这一局面迎来了转机。阿里巴巴达摩院联合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正式发表于国际顶级学术期刊《科学》（Science），并对外开源。该模型专注于腹部增强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，平均AUC（区分患者与正常人的能力指标）高达0.913，远超现有专用模型的表现。

"RADAR"全称为Rapid Abdominal Diagnosis with AI and Radiology，意为基于人工智能与放射学的快速腹部诊断。这项研究解决了长期以来医疗影像AI面临的两大难题：一是传统专用模型需要大量人工标注，成本高昂且难以扩展；二是单一模型难以应对复杂的真实临床环境。达摩院通过创新性的视觉-语言学习方法，特别是"器官级细粒度对齐"策略，实现了医学影像与报告文本的精确关联，无需额外人工标注即可完成诊断。

研究团队在近4万次真实世界检查中验证了DAMO RADAR的效果，结果显示其平均AUC达到0.913。更令人振奋的是，该模型在来自8家外部医院的2.4万例CT影像上测试时，AUC仍保持在0.895，证明了其强大的泛化能力。此外，在急诊场景下，即使面对成像效果较差的CT影像，DAMO RADAR的AUC依然达到0.904。

为了进一步验证模型的临床价值，研究团队还与26名来自多家医院的放射科医生进行了人机对比试验。结果显示，DAMO RADAR的平均准确率超过了其中23名医生，特别是在低年资医生中表现尤为突出。在AI提示下，医生识别疾病的敏感性提高了10%，用时减少了30%以上，使低年资医生达到了高年资医生的诊断水平。

"我们希望通过这个通用模型，解决医疗影像AI长期困在专用模型中的问题。"达摩院高级算法专家张建鹏表示，"未来我们将继续优化模型，使其能够覆盖更多疾病类型，并应用于更多临床场景。"

此次突破不仅标志着中国AI在医疗影像领域的重大进展，也为全球医疗AI的发展提供了新的方向。随着DAMO RADAR的开源，预计将吸引更多研究机构和医疗机构参与，共同推动医疗影像AI的普及和应用。