达摩院联合浙大一院发布通用医疗影像AI模型RADAR并全开源：一次腹部CT识别146种病症，登上《Science》

一个模型读146种病：RADAR开源把影像AI从一病一模推进到通用底座

数据视角 × 数据从业者与工程师 ｜ 深度研报

9月17日，达摩院联合浙江大学医学院附属第一医院等机构的论文发表于《Science》（Vol 393, Issue 6817），题为 An expert-level generalist AI for abdominal CT diagnosis，DOI 10.1126/science.aec6129，第一作者 Qi Zhang。达摩院于9月18日宣布开源。模型单次腹部增强CT扫描覆盖18个解剖器官与区域，识别146项临床病变，近4万例真实世界检查中146项影像发现平均AUC达0.913。

一、数据开场：42万例训练、146种病症、0.913的AUC构成什么量级

先看训练规模。超过42万例真实腹部增强CT检查，1500万对解剖级图文对。这个体量的意义不在于数字本身，而在于它的来源——直接基于临床报告训练，无需人工标注。

放射影像AI过去的主流做法是一病一模。做一个肺结节模型，标注几万例，调优，上线；再做一个肝病灶模型，重复一遍。这种模式的边际成本几乎不下降，每增加一个病种就要重来一次标注与验证。146项病变如果用同样的路径，意味着146次从零开始，团队规模会先于模型能力成为瓶颈。

性能侧，近4万例真实世界检查上146项影像发现平均AUC为0.913，分布外急腹症病例AUC仍约0.904。后一个数字更值得注意，它说明模型没有完全依赖训练分布的统计捷径。急腹症在训练集中占比通常不高，能维持0.904说明器官级对齐提取到的表征具备一定的迁移性。

二、方法拆解：器官级细粒度对齐为什么能绕开人工标注

达摩院高级算法专家张建鹏表示，由于CT数据信号稀疏，常规视觉-语言学习效果不佳，团队在国际上首次采用器官级细粒度对齐策略。

这句话点出了问题的核心。CT三维数据的有效信号密度低，一张切片里大部分像素是背景，整幅图像与整段报告做粗粒度对齐，监督信号会被大量无关内容稀释。器官级细粒度对齐的做法是把CT三维数据分解为解剖单元，在器官层面实现图像与报告文本的精确对齐，再配合自适应对比建模动态调整。

对工程师来说，这条路径的吸引力在于它改变了标注经济学。当监督信号从报告文本自动派生，人工标注就从必需项变成了可选优化项，而报告本来就是临床流程的副产品。这也是它能从腹部CT扩展到其他模态的前提——只要该模态有结构化或半结构化的报告语料。

代价同样存在。报告文本的质量直接决定监督信号的质量，报告写得粗、术语不统一、结论模糊的机构，训练效果会受到影响。这也是为什么训练数据的地域集中值得关注。

三、人机盲测：23/26这个数字该怎么读——平均值、不是逐例胜负

临床评价部分，26名来自多家医院的影像科医生参与盲测，模型平均准确率超过其中23名医生。

这个数字需要克制地理解。它是平均准确率的比较，不是逐例胜负，也不代表模型在每一类病变上都稳定胜出。平均值天然会掩盖弱项——如果模型在常见的肝脏病灶上表现极强，在少见病变上偏弱，均值仍可能超过多数医生。对146项病变这个体量而言，方差比均值更值得关注，遗憾的是公开材料没有给出分项拆解。

更实际的读法是把注意力放在临床增益上。医生在AI辅助下诊断敏感度提升约10%、阅片用时减少30%以上，低年资医生达到高年资医生水平。敏感度与耗时是流程指标，它们比排名更接近真实价值。尤其是低年资医生这一条——影像科的人力结构决定了基层阅片能力长期偏紧，把下限抬起来的收益，可能比把上限再推高一格更大。

四、开源策略：代码Apache 2.0与权重CC BY-NC-SA 4.0的差异意味着什么

开源范围是推理代码与模型权重。代码在GitHub的 alibaba-damo-academy/damo-radar，权重在Hugging Face。

两种协议的差异值得逐字读。代码采用Apache 2.0，允许商用；权重采用CC BY-NC-SA 4.0，明确非商业用途，商业部署需另行授权。这个组合的意图很清楚：欢迎学术界复现、评测、改进，商业使用则需要回到谈判桌。

对医院和创业团队来说，这条边界决定了下一步动作。做科研验证可以直接下载权重，做产品化则必须先解决授权问题，这对商业化节奏是实质影响。国内医疗AI的商业化场景高度依赖医院采购与医保支付，非商业条款基本把这条主路封住，剩下的路径要么是内部研究，要么是与达摩院达成单独授权。

回头看达摩院此前的结直肠癌检测模型COCA于2026年4月发布，走的是同一条路径：先发论文，再开源，同时划定商业边界。官方将RADAR描述为全球首个专家级通用医学影像AI模型，两次发布连起来看，是一条从单病种向通用底座推进的明确路线，节奏也很稳定。

五、冷静观察：无监管审批、单一协议范围、训练数据地域集中三个边界

边界一，研究性质发布。目前无FDA、CE或中国监管审批，不能用于临床诊断。这是一条硬线，与模型性能无关。

边界二，输入范围仅限增强腹部CT。非增强扫描、其他对比期相、其他身体部位与儿科病例均在测试范围之外。张建鹏提到该训练方法可扩展至胸部CT、脑MRI与视网膜影像，但尚未验证。方法论的潜力与已验证的能力是两回事。

边界三，训练扫描主要来自中国临床中心、集中在浙江省。地域集中会影响模型在其他人群分布上的表现，设备型号、扫描协议、报告书写习惯的差异同样会叠加进来，这也是学术发表通常会标注的局限。

从一病一模到通用底座，这个方向没有问题，RADAR证明了它可行：一个模型可以同时覆盖18个解剖器官与区域、146项病变，而且不依赖人工标注扩张。但从可行到可用，中间还隔着监管、覆盖范围与人群泛化三道关卡，任何一道都不轻松。对国内影像AI团队而言，更值得抄的可能不是权重，而是这套把报告变成监督信号的方法论。

原文链接：Pandaily

---

千方医数集编辑部 出品