达摩院｜DAMO RADAR登上《科学》并开源，面向腹部增强CT

医疗影像AI过去常按单病种做：胰腺癌一个模型、胃癌另一个模型。达摩院这次把腹部增强CT收成一个通用模型，并把论文送到《科学》。

达摩院是阿里巴巴的研究机构。公开资料称，DAMO RADAR全称指向腹部影像的快速诊断，合作方包括浙江大学医学院附属第一医院等。论文页面为 science.org 上的 10.1126/science.aec6129。代码仓库 alibaba-damo-academy/damo-radar 以Apache 2.0发布，说明书写明预训练检查点可从Hugging Face获取。

公开评估口径：

1. 病症：评估其中146种，涉及18个器官，范围包含恶性肿瘤
2. 数据：仓库说明基于超过40万例腹部增强CT、1500万对解剖感知的图像—文本对训练
3. 指标：近4万次真实世界检查中AUC为0.913
4. 对照：与26名多家医院影像科医生比较，平均准确率超过其中23名
5. 辅助：在AI提示下，医生识别敏感性提高10%，用时减少30%以上，低年资医生被描述为达到高年资水平

AUC白话是「把有病和无病分开」的能力，1是完美区分，0.5接近抛硬币。0.913是强结果，但仍是曲线下面积，不是临床准确率本身。仓库还写明：模型直接从临床报告学习，不依赖逐例人工标注。

这条路线和「一个病灶训一个模型」不同。单病种模型上线快，但医院要维护几十套；通用模型一旦覆盖器官和病种，部署和更新都更像一个底座。代价是数据必须够密。CT信号稀疏，报告文本又长短不一，仓库用解剖感知的图文对齐来补这一课。

需要把边界读清楚。结果来自论文与开源说明，不是药监注册批件。超过23名医生，是这26人样本里的比较，不能直接写成「超过全国影像科」。敏感性提高10%、用时减少30%以上，发生在「有AI提示」的试验条件里。《科学》很少把医学影像AI当科学问题而非工程问题来发，这本身是信号；临床能不能用，还要看外部医院复现、质控和责任划分。

开源意味着其他团队可以按仓库做推理和评估，也可以往MRI、超声等模态迁移——仓库把训练、推理、预处理都列进了指南。下一观察点是外部测试集上的数字是否站住，以及医院侧是把RADAR当第二双眼睛，还是只停留在论文复现。