九月刚过半，一则来自中国杭州的消息，怕是要让美国硅谷不淡定了！

9月18日，阿里达摩院联合浙大一院等机构，研发出全球首个达到影像科专家水平的通用医疗影像AI DAMO RADAR，能够覆盖腹部18个器官，识别超146种病症，成果直接登上了国际顶级期刊《科学》。


这事放在全球AI竞争的大盘子里看，分量不轻。斯坦福大学那个以人为中心的AI研究中心，之前发布过一份报告，里面有一组数字挺扎眼。


他们调查了多个国家公众对AI的态度，中国受访者里有83%的人觉得AI产品和服务带来的好处大于坏处，而美国那边这个比例只有39%。报告刚出来的时候，不少美国人没想明白，中国人凭什么对AI这么乐观。


现在达摩院这条消息一出来，答案其实就摆在那儿了。海外那些最能打的AI模型，绝大多数是关起门来自己用的。模型不公开，你想用就得按次付费，技术越往前走，围墙反而砌得越高。


这种路子有个很直接的后果，就是技术进步的果子落不到普通人嘴里。有博主晒过账单，同样一个CT检查，国内公立医院两百来块钱就能做，到了美国，账单能翻到几千美元。


不是说美国的CT机器比中国的金贵多少，而是中间的环节一层一层加上去，最后全压在需要看病的人身上。AI如果也沿着这条路走，那所谓的“技术进步”就只是让有钱人看得起病，普通人该排队的还是排队。


中国这边的玩法不太一样。这几年全球范围内叫得上号的开源大模型，相当一部分是中国团队做出来的。


达摩院这次登上《科学》的DAMO RADAR，从发表那天起就是开源的，不设门槛，不搞订阅制，医院也好、研究机构也好、甚至个人开发者也好，都能直接拿去用、拿去改。


这个选择在商业上看起来有点“傻”，毕竟花了那么大力气做出来的东西，免费送出去，图什么？但如果把视线从单个公司的账本上挪开，放到整个医疗体系里看，账就不是这么算的了。


腹部CT是临床上最复杂也最要命的影像检查之一。一个病人的腹腔里装着一堆器官，任何一个地方出问题都可能牵出一串麻烦，早期的、微小的病灶藏在层层叠叠的影像里，医生盯着看半天也不一定抓得住。


DAMO RADAR做的事情，是用视觉-语言学习的方法，让模型自己从海量的CT影像和对应的诊断报告里学出关联。


研究团队在近4万次真实世界的检查上做了测试，模型区分患者和正常人的能力指标AUC达到了0.913，面对训练时没见过的急腹症场景，这个数字还能保持在0.904。


跟26位来自多家医院的放射科医生做对照，它的平均准确率超过了其中23位。在AI的提示下，医生的漏诊率降了，读片时间少了30%以上，经验不那么足的医生也能做出更接近高年资专家的判断。


这些数字落到具体的医院里，意味着什么？一个县医院的放射科医生，手里可能没有那么多复杂的病例积累，碰上疑难片子心里没底。


现在有了这个工具，相当于旁边坐了个不会累的“导航”，告诉他哪里可能有问题、问题大概在哪个器官上。


病人不用为了一个片子专门跑到省城的大医院去排长队，在当地就能得到一个更可靠的初筛结果。这种改变看起来不起眼，但放在十几亿人的医疗需求面前，省下来的时间和花费是实实在在的。


达摩院在医疗AI上不是头一回出手了。胰腺癌、胃癌、肠癌的早期筛查，主动脉夹层的预警，这些方向上都做过东西，三年里发了5篇《自然·医学》和十来篇其他顶刊。


但之前那些成果大多是专病专用的模型，一个模型管一种病，训练的时候要人工标注一大堆数据，成本高，换一个场景就得重来一遍。


DAMO RADAR不一样的地方在于它是“通用”的，一个模型覆盖18个器官、146种病症，而且面对没训练过的场景也有不错的泛化能力。


这个跨越的意义，搞过AI的人心里都清楚，从“一病一模”到“一模多病”，中间隔着的不是简单的数量累加，是方法论的切换。


往大了说，医疗影像AI这条路走通了，别的影像场景就有参照了。今天能把腹部CT搞定，明天病理切片、X光胸片、眼底照相这些是不是也能沿着类似的思路往下推？


达摩院的人自己也在说，这个研究范式有望迁移到其他形态的医疗影像上。如果真能成，那就不只是一个模型的事，而是一整套打法的验证。


达摩院这一步，真正有意思的地方不在于又拿了一个顶刊，也不在于“全球首个”这个名头。真正有价值的是它选择把东西放出来，让最不能出错的行业里，多了一个所有人都能用得上的工具。医疗这事，本来就该往这个方向走。


信源：光明网：全球首个专家级通用医疗影像AI登上Science 阿里宣布开源