筛出15例漏诊：达摩院肝癌AI登《自然·医学》的真实世界答卷
达摩院肝癌诊断AI模型DAMO LiON成果登《自然·医学》，可识别1厘米微小病灶，两个月前瞻试验筛出15例漏诊恶性肿瘤。
Nature Medicine 加持：DAMO LiON的肝癌识别能力
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的肝癌诊断AI模型DAMO LiON，相关成果发表于《自然·医学》。模型通过CT影像精准识别约1厘米的微小早期癌变病灶。
登上《自然·医学》本身就有分量——它意味着模型的技术方法通过了顶级同行评审，而不只是厂商自报的准确率。对于医学影像AI来说，期刊发表是比「获批上市」更硬的技术信誉背书。
15例漏诊：真实世界试验的含金量
最值得行业关注的是结果：在两个月的前瞻性真实世界临床试验中，DAMO LiON成功筛查出15例漏诊的恶性肿瘤。
「前瞻性」和「真实世界」两个定语很关键。回顾性研究可以在历史数据上刷高分，但前瞻性试验是在真实临床流程中、面对真实患者去验证模型的实际表现。筛出15例漏诊，意味着这15个病灶在常规阅片流程中被医生漏掉了，而AI把它们捞了回来——这是「AI补位医生」最直接的证据。
1厘米的刻度：早期肝癌的可治疗窗口
为什么强调「约1厘米」？肝癌的预后高度依赖发现时机。早期肝癌通过手术或消融治疗，5年生存率远高于晚期。但1厘米的微小病灶在CT上极易被肉眼忽略。
DAMO LiON的能力，本质上是把「早期肝癌」的可发现刻度往前推了一档。当AI能稳定识别1厘米的微小病灶，早筛的临床价值就从「能不能发现」升级为「能不能在可治愈阶段发现」。
从论文到临床：肝癌AI的落地距离
达摩院这一成果，是国内大厂在医学影像AI上的一次高光，但从论文到大规模临床落地仍有距离。肝癌AI的规模化应用，需要解决的是数据合规、多中心泛化、医院工作流嵌入等系统性问题。
值得期待的是后续：当DAMO LiON的技术能力经过真实世界验证，其与医疗机构的合作能否从「科研项目」走向「常规筛查」。1厘米的刻度，只是肝癌AI这条长路的一个起点。
把这件事放到中国肝癌防治的大背景下看，价值会更加清晰。我国是肝癌大国，新发病例和死亡病例均占全球近半，而早期诊断率长期偏低——大量患者确诊时已失去根治机会。如果AI能够在前瞻性的真实世界环境中稳定识别1厘米级病灶，并将其嵌入基层筛查和体检流程，那么「早发现、早治疗」就不再是一句口号，而是可以规模化落地的公共卫生手段。达摩院的15例漏诊，是这条路上一个值得记住的路标。
千方医数集编辑部 出品
