北京
作者｜王云
编辑｜于清
阿里医疗AI取得突破，填补肝脏微小癌变病灶诊断短板
8月24日，阿里巴巴达摩院联合中国医科大学附属盛京医院等机构研发出肝癌诊断AI模型DAMO LiON。
该模型可通过CT影像精准识别肝脏微小癌变病灶，临床试验检出多例漏诊肿瘤，相关成果成功刊发于《自然·医学》。
完成前瞻性真实世界验证
本次研发的DAMO LiON是专注肝脏肿瘤诊断的CT影像AI模型，核心攻克临床微小肝癌病灶漏诊难题。
适配常规临床阅片场景，可高效识别1厘米左右的微小恶性癌变病灶，覆盖原发性肝癌、肝转移瘤两大核心诊断场景。
据公开临床试验数据显示，在为期两个月的真实世界前瞻临床试验中，AI共阅读1万多名患者的增强CT影像。
在人机协同诊断模式下，该模型成功检出15例此前常规人工诊断遗漏的恶性肿瘤病灶，同时协助临床修订37份影像诊断报告，推动22例患者进入多学科团队会诊流程，助力隐匿性肝癌患者及时获得手术、药物等规范化临床干预。
相较于行业内多数仅完成回顾性数据集验证的医疗AI模型，DAMO LiON通过高标准前瞻性临床试验验证，更贴合医院日常高负荷诊疗流程。
数据佐证其优异诊断性能，模型恶性肿瘤诊断AUC达0.952，即便在肝硬化、脂肪肝等组织干扰的复杂肝脏影像场景中，识别稳定性依旧突出。
这有效弥补人工阅片的视觉局限与疲劳误差，为临床影像诊断提供可靠辅助支撑，相关完整研究成果正式发表于国际顶级学术期刊《自然·医学》。
构建标准化医疗AI研发体系
DAMO LiON的落地成果，是阿里巴巴达摩院深耕医疗人工智能赛道的重要里程碑。
长期以来，达摩院聚焦医学影像识别、多模态医疗数据分析等核心领域，坚持以临床需求为导向，搭建产学研一体化研发模式，联合国内顶级三甲医疗机构开展联合攻关，形成了规范化的医疗AI研发、验证迭代体系。
该模型历经完整的科学化研发流程，先依托6443例临床患者数据完成基础模型训练，再经大规模多中心真实世界队列中22251例患者数据完成回顾性验证，多场景测试中，DAMO LiON在脂肪肝患者中的AUC为0.971，在肝硬化患者中的AUC为0.924，高度适配国内肝病高发的临床诊疗现状。
区别于通用人工智能模型，医疗AI对数据合规性、结果可解释性、跨场景泛化能力有着严苛标准。
达摩院本次研发严格遵循循证医学规范，完整走完模型构建、多中心交叉验证、真实世界临床部署的全流程闭环。
产品适配医院原有影像阅片工作体系，无需改造硬件设备，具备较好适配性、兼容性，无需复杂二次适配即可接入各级医疗机构，具备规模化临床应用的底层基础，进一步完善了阿里医疗AI的技术布局矩阵。
重塑肝脏肿瘤早筛诊疗范式
肝脏肿瘤早诊早治是提升患者预后效果的核心关键，微小隐匿病灶的精准识别，一直是肝胆影像诊断领域的重点攻坚方向。
受肝脏组织结构复杂、微小病灶特征不典型、各类肝病背景干扰等因素影响，微小肝癌漏诊是临床长期面临的难题，也是制约肝脏肿瘤早筛普及的核心痛点。
纵观国内医疗AI行业发展，产业已告别单纯的算法参数比拼阶段，逐步迈入以临床价值落地为导向的新阶段。
腹部影像尤其是肝脏肿瘤AI赛道，此前高等级临床证据、顶刊学术成果相对稀缺，DAMO LiON的推出，是国内肝脏肿瘤精准诊断AI领域的重要补充，丰富了腹部影像人工智能诊疗工具矩阵。
从行业发展层面来看，该模型的成功验证了产学研协同模式在高端医疗AI领域的可行性，为医疗AI从实验室技术走向真实临床场景提供了标准化参考范式。
依托大样本、多中心、前瞻性的严谨临床验证，其顶刊级学术成果，也为国内医疗AI产品的标准化研发、临床验证、学术背书建立了优质标杆，持续推动人工智能技术与肝胆肿瘤诊疗领域的深度融合，助力国内肝脏肿瘤诊疗规范化、精准化升级。
敬告读者：本文基于公开资料信息或受访者提供的相关内容撰写，文章作者不保证相关信息资料的完整性和准确性。无论何种情况下，本文内容均不构成投资建议。市场有风险，投资需谨慎！未经许可不得转载、抄袭！
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
