阿里巴巴达摩院｜DAMO LiON肝癌AI：增强CT识别约1厘米微小肿瘤

肝癌早筛的难点从来不是「有没有AI」，而是1厘米级病灶在肝硬化背景里会不会被漏读——DAMO LiON试图当阅片流程里的第二双眼睛。对放射科与肿瘤科来说，它卖的不是替代签字权，而是把漏诊成本显性化。

阿里巴巴达摩院联合中国医科大学附属盛京医院等机构，推出增强CT肝癌诊断AI模型DAMO LiON（Liver DiagnOsis Network）。模型在约6443名患者上训练，并在多中心、真实世界等逾2.2万名患者队列中回顾验证；相关论文发表于Nature Medicine。公开材料称，模型在恶性肿瘤诊断上的AUC约0.975，在脂肪肝、肝硬化等复杂背景下仍保持较高敏感度；与医生协同阅片时，读片时间约降27%、敏感度约升11.5%。

两个月真实世界前瞻试点可核对数据：

1. 规模：分析逾1万名患者。
2. 补漏：发现15例此前被漏诊的肝转移，多数病灶约1厘米；例包括肿瘤标志物正常、初诊仅报钙化的65岁膀胱癌患者，经AI提示后调整化疗方案。
3. 流程：AI初判与医生意见冲突时，由上级医师复核，必要时多学科讨论。

所谓AUC，白话是衡量分类器区分「有病/无病」能力的曲线下面积，越接近1表示区分越稳；所谓增强CT，白话是注射造影剂后分时相扫描，让病灶在动脉期、门静脉期等不同窗口「露头」。DAMO LiON的定位更接近工作流质控员：初筛提醒、冲突升级、记录可回溯，而不是单独出具诊断结论。对医院信息科，对接PACS与HIS、划清责任边界与不良事件上报路径，往往比再刷一个排行榜分数更关键。

产业观察上，医疗AI的付费点正从「科研演示」转向「可嵌入工作流的质控模块」。可以把它想成：AI不是替放射科看病，而是在海量切片里当「提醒铃」——铃响得准不准，要看前瞻性队列能否在不同设备与造影协议下复制。对达摩院医疗线，肝癌只是切入口之一；能否形成可收费、可审计、可进质控中心的产品形态，才决定它是论文还是科室工具。

需要把边界读清楚。回顾与前瞻数据来自合作机构披露；不同厂商CT机与造影方案下的泛化仍待验证。下一观察点是省级质控中心接入、三类证路径与医保收费编码是否落地。