阿里巴巴達摩雷達：用於腹部CT診斷的開源醫療AI

阿里巴巴集團達摩院已將 Damo Radar 開源，這是一款視覺-語言模型，旨在透過對增強對比電腦斷層掃描（CT）影像的分析，識別近150種不同的腹部疾病，包括各種癌症。該模型旨在作為通用醫療影像工具，協助放射科醫師提升診斷準確性並縮短分析時間。

診斷效能與基準測試

Damo Radar 在近4萬次真實世界檢查中，針對146項臨床發現測試時，平均受試者工作特徵曲線下的面積（AUC）達到 0.913。該模型使用包含對應臨床報告的CT掃描資料集進行訓練，涵蓋18種不同的腹部器官。

在包含來自多家醫院的26位人類放射科醫師的比較研究中，Damo Radar 的平均準確率超過了其中23位參與者。當作為輔助工具使用時，該模型為臨床醫師帶來以下優勢：

• 減少漏診：放射科醫師防止漏診的能力提升了10%。
• 效率提升：診斷所需時間減少超過30%。

技術架構與方法論

與 Damo Radar 相關的研究已發表於《Science》期刊。該模型被描述為一款通用醫療影像模型，研究團隊建議此訓練方法可擴展至腹部CT掃描以外的其他醫療影像模式。

實務工作者之間的技術討論指出，模型中使用的基於CNN的特徵編碼器，在此特定醫療影像應用中，顯著優於視覺變壓器（ViT）編碼器主幹。

阿里巴巴醫療AI產品組合中的定位

Damo Radar 是阿里巴巴將AI融入醫療健康領域更廣泛戰略的一部分。此次釋出緊接在四月推出的 Coca AI模型 之後，該模型專為從CT掃描中早期檢測結直腸癌而設計，並報告在發現早期惡性腫瘤方面，其敏感度高於人類放射科醫師。

社群觀點與批評

儘管報告的AUC值很高，但一些技術批評者認為，由於疾病與健康狀態之間存在嚴重的類別不平衡（疾病遠較健康狀態少見），AUC作為醫療診斷的指標並不充分。

"在嚴重類別不平衡下，ROC-AUC為0.9……仍可能意味著五次預測中就有四次錯誤（假陽性）。應使用Precision-Recall曲線 + mAP，否則請滾蛋。"

此批評指出，若缺乏Precision-Recall指標，真實世界情境下的真正臨床實用性以及假陽性率可能被AUC數值所掩蓋。