阿里联手浙一登顶《科学》

*仅供医学专业人士阅读参考

仅凭一次腹部CT，即可识别146种病症，由中国科学家团队研发的通用影像AI模型RADAR登顶《科学》，标志着医疗影像AI从“一病一模”迈向“一个模型看所有病”。

撰文 |凌骏

来自中国的医疗影像AI，迎来了自己的里程碑时刻。

当地时间9月17日，顶刊《科学》（Science）发表重磅研究成果，阿里达摩院团队联合浙江大学医学院附属第一医院（下简称浙大一院）等机构，研发出了通用医疗影像AI模型——DAMO RADAR。

研究结果显示，仅需一次腹部增强CT扫描，RADAR就可以识别146种病症、覆盖18个器官，其诊断平均准确率（AUC）达到0.913，达到高年资影像科专家的诊断水平。

这是《科学》历史上罕见发表的医疗影像AI论文。此前，仅靠一张CT就同时识别上百种疾病，这几乎被认为是一项“不可能完成的任务”。RADAR的诞生，标志着医疗影像AI完成了从“一病一模”到“一个模型看所有病”的范式转变。

“这是我们影像医生等了很多年，却一直觉得不可能实现的事。但现在，它真的变成了现实。”研究主要作者之一、浙大一院放射科主任肖文波说。

一次CT，看清146种病

腹部CT，是临床上最常用的影像检查手段之一，它广泛应用于门诊、体检、急诊等各类场景。一张影像的背后，往往关联着十几个乃至数十个器官的健康状况。

但对医生来说，要彻底读懂一张腹部CT，挖掘出其中所有隐藏的细节信息，从来不是一件轻松的事。腹部器官几乎都是软组织，密度相近，很多时候，一个关键病灶和周围正常组织之间只有极其细微的差异。

不仅如此，腹部涉及消化、泌尿、生殖等多个系统，几乎所有器官都挤在同一组影像里。一次增强CT，往往包含多个不同期相、每个期相上百幅图像，医生需要逐一排查，才能形成一份完整的诊断报告。

而RADAR的问世，正是为了同时解决这两个难题——诊断的准确性和阅片的效率。

根据此次发布在《科学》的研究结果：在内部真实世界测试中，团队连续纳入了来自浙江大学医学院附属第一医院的39160例病例，覆盖18个解剖结构、146种影像学表现，结果显示，RADAR的平均AUC达到0.913。

此外，在8个外部中心、24239例CT的多中心验证中，平均AUC为0.895，且在每个单独中心都优于对比模型。而在美国斯坦福医院的公开数据集上，针对21种可比病症，无需任何微调，RADAR的AUC也达到0.883。

“这几组数据，分别回答了几个不同的问题。”达摩院高级算法专家张建鹏对“医学界”解释，“内部测试是为了验证AI模型能不能真正学到疾病特征，而不是简单记住训练数据。而随后开展的外部多中心验证，则考验模型能不能跨地区、跨医院泛化。”

事实上，医疗AI最容易出现的问题，就是换一家医院、换一批人群，性能就掉下去。“我们同时开展的跨人群测试（美国斯坦福医院），再次证明了，这套方法在完全陌生的人群和设备条件下，依然是有效的。”张建鹏说。

值得一提的是，即便是训练数据里没有覆盖的场景，RADAR依然保持住了性能。

此次研究结果显示，在27267例急诊测试中，针对17种常见急腹症，RADAR的AUC达到0.904。而在肝癌、胰腺癌、胃癌、结直肠癌四种病理确诊病例中，AUC达到0.891-0.984，证明这套基于报告文本训练出来的模型，同样经得起病理金标准的检验。

此外，在一项由14家医院26名放射科医生参与的阅片研究中，借助RADAR辅助后，医生的诊断灵敏度提升约10%，阅片时间减少30.7%；即便是初级医生，表现也能接近，甚至超过资深医生。

“最初我听到这个数据，有点不太敢相信。”肖文波坦言，这么多器官、这么多期相的结构，一次性识别146种病灶，“我这么多年做医生，都得反复重建、仔细去看才能确保没有遗漏。”

“我们影像医生有一句话，叫‘同病异影、异病同影’。”肖文波解释，同一种病，在不同患者身上可能长得完全不同，不同的病，却可能在影像上表现得一模一样。

“无论医生水平有多高，要想对所有疾病的影像学细节特征——无论常见还是罕见都有丰富的经验，那得看过几十万张片子才行，而这可能是人一辈子都积累不到的量。”肖文波说。

这道人类经验难以跨越的门槛，恰恰是RADAR最擅长的地方。AI不需要一辈子的临床积累，就能从海量真实病例中，学到远超单个医生经验范围的判断依据。

从“一病一模”到“一个模型看所有病”

“在我们科室所有的年轻医生中，最害怕进的组，就是腹部组。”肖文波告诉“医学界”。

据肖文波介绍，她所在的浙大一院放射科有300多名医生、70多台设备，每天需要承接七八千位患者。从年轻医生进科到能独立审核报告，往往要先经过胸部组和其他器官组的历练，最后才敢进腹部组。

“即使是一个中高级水平的医生，写一个腹部CT报告，也需要约20分钟，绝大部分都要20分钟到半小时才能处理完。”肖文波说。

事实上，其他部位病症的影像筛查，比如肺部的肺结节，早已有相对成熟的AI辅助工具，但腹部却长期是个空白。

达摩院团队也注意到了这种情况。最初，团队走的是另一条路——像肺结节AI那样，一个疾病训练一个模型。过去几年，利用“平扫CT+AI”，团队陆续在胰腺癌、胃癌、肠癌等消化系统重大疾病上取得突破，相关成果4次登上《自然·医学》。

但张建鹏告诉“医学界”：“在我们做到第二个单病种项目时，开始渐渐意识到，如果一直沿着‘一个疾病训练一个模型’的路线走下去，那这辈子都干不完。”

“人类的疾病成千上万种，现实中，一张CT影像里往往同时存在多个器官、多种异常。但如果我们两三年只能做一个病种，那医学AI要什么时候才能真正进入临床的主流程？”张建鹏说。

这个疑问，也和整个行业的技术演进撞在了一起。

达摩院资深算法专家张灵对“医学界”介绍，医疗影像AI大致经历了三个阶段。从早期“一病一模”的专才模型，到尝试用结构化标注让一个模型学习多种病，但依然依赖大量人工标注且难以泛化到未见过的疾病类型。

直到近几年，图文对比学习技术成熟，才让“零样本泛化”第一次成为可能。通俗而言，模型不再需要人去提前标注好某种疾病，也能通过学习影像和诊断报告之间的关联，回答关于任何疾病的提问。

可要真正把这条路走通，还需要解决一个关键问题：怎么让AI在腹部CT这种高度复杂的影像里，找到自己该看的地方。

张建鹏解释，最初，团队尝试把整张CT和整份报告直接对齐，但效果并不理想——真正决定诊断的异常病灶，在整个三维体数据里往往只占极小一部分，很容易被大量正常组织淹没。

“后来我们意识到，放射科医生阅片时，是按解剖结构一步步展开的。先看肝脏，再看胰腺、胆道、肾脏，再逐一形成判断。”张建鹏说，“于是，团队把这套逻辑‘教’给了AI，将CT体数据拆解成器官级别的单元，把报告也拆解成对应的解剖学描述，在器官这个更精细的颗粒度上做图文对齐。”

“单病种AI有点像只刷过某一种题型的学生。RADAR更像是在系统性学习医学影像这门语言。”张建鹏比喻道。

这条路径最终被证明是可行的。

肖文波表示，在研发过程的对比实验中，当团队把临床信息，包括病史、主诉等都排除掉后，医生单纯看影像的诊断率其实并不理想。但当接入了AI辅助，医生的检出率和准确率得到了大幅提高。

“当时我们真的特别惊喜，就希望能赶紧上线，期待能装到工作站上，日常用起来。我也曾在一场同行会议上分享这个结果，下面专家的反应是，‘能不能给我们装一个？’”

“如今这项研究成果被Science接收，更是告诉大家，这种形式的AI创新是可以实现的。”肖文波说。

这是不是医疗影像的“ChatGPT时刻”？

“我们还没到真正的腹部CT影像的ChatGPT时刻，但已经是在前夕了。”张灵告诉“医学界”。

此前，达摩院团队研发的单病种“平扫CT+AI”模型，输入的是一张图，输出的只是一个概率。“而RADAR可以像ChatGPT一样，用提示词去提问，模型就能直接给出诊断。而这两者背后，也都是基于大规模预训练得到的模型能力，是有相似之处的。”张灵说。

但相比ChatGPT这样面向大众的通用工具，张灵坦言，医疗是一个容错率极低的领域，RADAR要真正类比像ChatGPT那样，能被医疗场景广泛使用，中间还差着一段距离，包括临床监管审批、工作流的嵌入、更好的可解释性，都是接下来要跨过的关卡。

“这不是一次技术上的终点，而是一个开端。”张灵表示。

这个开端，本身也有一层特殊的意义。据张灵介绍，此前放射学、病理、内镜、皮肤等各类医学影像AI，都极少能在《科学》上发表论文，RADAR的发表，“说明Science开始逐渐把医学图像AI，当作一个医学科学的问题，而不是一个更偏工程学的问题”。

除此之外，RADAR采用的这套“器官级细粒度对齐”的方法论，理论上也不只适用于腹部CT。据张灵透露，接下来，团队还会往胸部CT、脑部CT等部位延伸，乃至迁移到核磁、PET-CT、超声等其他影像模态。

据了解，此次达摩院还将RADAR模型和代码开源，希望未来能成为行业里一个开放的基础平台。

技术往前走的同时，作为临床医生，肖文波也提出了自己的忧虑。她观察到，在借助AI辅助后，年轻医生的报告可以达到主任医师的水平，但AI一旦撤掉，水平又会打回原形。“我们需要警惕一个情况，就是应用AI之后，医生产生了惰性，更加依赖软件，而从年轻医生培养到一个成熟医生的训练过程，反而被忽略掉了。”

面对这种情况，肖文波认为，医生要做的，不是拒绝AI，而是换一种用法——先独立完成报告，再用AI做一次“自我复核”，把AI变成一个“隐形”的带教老师，“我希望这个AI，不但能帮助我们的临床工作，也能帮助我们的教学工作。”肖文波说。

用AI从CT中识别出肉眼难见的微小病灶，从胰腺癌、胃癌、肠癌、肝癌、食管……到这次的通用模型RADAR，达摩院团队用近十年时间，走出了很多人认为不可能的一条路。但眼下，RADAR在146种疾病中的表现，只是被系统性验证过的一小部分。它最终指向的，或许是一个更加宏大的愿景。

“这个模型本身，还具备诊断更多疾病的能力，只是还需要进一步的评估。”张灵说，“接下来，我们还会继续深入研究，让AI能够结合患者的临床信息、医学指南，甚至新的临床试验结果，做出综合的推理，朝‘AI影像医生智能体’演进。”

本文来源丨医学界

责任编辑丨柏柏

*“医学界”力求所发表内容专业、可靠，但不对内容的准确性做出承诺；请相关各方在采用或以此作为决策依据时另行核查。