阿里达摩院腹部 CT 多病种 AI 模型 RADAR 登上 Science
达摩院用「先定位器官、再对齐报告描述」的方式训练腹部 CT 诊断模型 RADAR，一次读片可查 146 种病，性能超过多数放射科医生，说明通用医疗影像 AI 是一条走得通的路线。
阿里达摩院联合浙大一院等机构发布 RADAR，一个面向腹部 CT 的通用诊断模型，覆盖 18 种解剖结构、146 种疾病。在 14 家医院 26 名放射科医生的对照测试中，其准确率超过其中 23 人；外部 2.4 万例数据 AUC 为 0.895，未经针对性训练的急诊数据也有 0.904。模型、代码和框架已全部开源。
正文摘录
2016 年，Hinton 老爷子就预言：“人们现在就应该停止培养放射科医生。”他甚至认为，五年内，AI 就会在医疗影像识别上超过放射科医生。 老爷子一生谨慎，但历史和他开了个玩笑。十年过去了，人们离 AGI 已经越来越近，但在医疗场景里，即使图像识别这样的 AI 新手村任务，依然是困难模式。 ——对模型精度的极高要求，在别的领域，模型幻觉可以一笑了之，但在这里却是人命关天。 DAMO RADAR，全称 Rapid Abdominal Diagnosis with AI and Radiology，面向腹部快速诊断的 AI 模型。 这个 AI “雷达”，研发团队就是阿里达摩院，过去几年他们用 AI 识别 CT 中肉眼难见的早期癌症病灶，在胰腺癌、胃癌、肠癌等专病上取得重大突破，发表 5 篇 Nature Medicine。 但做着做着，达摩院有些人觉得不对劲了。达摩院高级算法专家张建鹏说，一个病种啃下来至少两三年，人类疾病成千上万种，那他们搞一辈子都搞不完…… 更棘手的是，真实世界里，病人不会只带着一种病来医院，对着专病模型问他是不是有这种病。事实上，一份 CT 影像里，很可能同时存在多种器官，多种病变。 达摩院联合浙大一院等全球众多医院向腹部 CT 发起冲击，希望 AI 能一次性识别出腹部各种疾病。 因为腹部涉及消化系统、泌尿系统、生殖系统，肝胆胰脾肠道全挤在一起，肠道还盘绕整个腹腔，所有器官几乎都是软组织，密度接近，全靠肉眼对密度差的敏感度把病灶揪出来。 之前，已经有了针对肺结节之类的 AI 辅助工具，但腹部太复杂了，一直是个禁区，没人敢碰。 最终它覆盖了 18 种解剖结构、146 种病，涵盖肝脏、胰腺、胆囊、肾脏、脾脏、肠道等主要器官，基本覆盖了临床常见病变。 AUC 是衡量诊断模型区分患者和正常人能力的指标，1 是完美区分，0.5 等于瞎猜，超过 0.9 就算优异。