阿里达摩院通用医疗影像模型 DAMO RADAR 登 Science 正刊并开源
医疗影像 AI 长期受困于单病种模型难以泛化，DAMO RADAR 用解剖结构的图文对齐把 CT 与报告配对学习，首次在腹部 CT 多任务上达到专家水平。
阿里达摩院联合浙大一院等机构研发的通用医疗影像模型 DAMO RADAR 登上《Science》正刊并开源。它聚焦腹部增强 CT，在覆盖 18 个解剖结构、146 种影像表现的近 4 万次评估中平均 AUC 为 0.913，首次达到影像科专家水平。
正文摘录
.jpg) 编辑｜杜伟 2016 年 11 月，深度学习先驱、诺贝尔物理学奖得主 Geoffrey Hinton 有过一则过于乐观的预言。他认为应该停止培养放射科医生，深度学习将在五年或十年内做得更好。  加拿大多伦多大学罗特曼管理学院举办的 Machine Learning and the Market for Intelligence 大会。视频地址：https://www.youtube.com/watch?v=2HMPRXstSvQ 近十年过去，Hinton 预言中的场景并没有出现。放射科医生短缺，至今仍是医疗体系面临的现实问题。AI 虽然已经能在不少影像任务中达到专家水平，却还难以像医生一样，全面检查多个器官，识别各种并存异常。 现在，阿里达摩院为这个问题交出了一份新答案。 9 月 18 日， 阿里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模型 DAMO RADAR 登上《Science》正刊，并正式对外开源 。 这也是近年来中国 AI 模型罕见登上《Science》正刊。