一则来自中国杭州的消息，可能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》。

医疗影像AI过去走的路线是“一病一模”，做一个肺结节筛查模型，就只认肺结节，做一个骨折识别模型，就只认骨折，想覆盖100种病，就得训100个模型，每个模型都得找医生一条条标注数据，一个病种从立项到成熟，两三年起步，有团队算过，把人类几万种疾病全做完，得干到退休。

DAMO RADAR换了一条路，它不再让医生手工标注，而是直接学“影像和报告文本的对应关系”。

腹部CT有几百层切片，关键病灶可能只占其中几层，团队搞了一个叫“器官级细粒度对齐”的办法，先把CT拆成一个个器官单元，再让每个器官单元和报告里对应的那句话去对齐，相当于让AI像放射科医生一样，先看肝，再看胆，再看胰，逐个过一遍。

历经近4万次检测，AUC数值达0.913，在和26名放射科医生的人机对照测试中，平均准确率高于其中23人，依托AI提示，医生识别病症的敏感度提升10%，阅片耗时降低超30%。

最关键的是，面对训练阶段完全未覆盖的急腹症场景，该模型的AUC仍能达到0.904，这说明它掌握的并非机械记忆内容，而是具备通用性的诊断逻辑。

美国不是没想过做通用模型，斯坦福、谷歌都试过，但腹部CT太复杂，一直没人啃下来。

此外，真正让美国同行坐不住的，是“开源”这两个字。

当模型本身不再是壁垒，竞争就落到了数据和场景上，谁有更多的高质量影像数据，谁有更真实的临床场景，谁就能跑得更快。

而中国有全球最庞大的医疗影像数据池，有医保影像云这样的数据基础设施在推进，通用医疗AI的下一站，大概率不会建在硅谷。

本文信息来源于光明网