商报记者 夏莹
CT是医院常用诊断工具，光是腹部就有数十种器官。能否用一个AI模型，就实现通用诊断？
从2017年就开始研究医疗AI的阿里巴巴达摩院（下称“达摩院”）最近有了新的突破。9月18日，达摩院与浙大一院等机构研发出通用医疗影像AI模型，登上国际顶级学术期刊《科学》。该模型面向腹部增强CT诊断，可一次性识别超过146种病症，准确性首次达到影像科专家级水平，并已正式开源。
“和以往的专病模型相比，它无需繁琐的人工标注，而且一次CT就能识别广泛的疾病，这是一个非常好的趋势，”达摩院资深技术专家、多癌筛查负责人张灵称，“与此同时，我们还会持续提升专病模型的精度，以支持不同医疗场景的需求。”
从胰腺癌切入 一条少有人走的路
时间回到2017年，当时行业内对医疗AI的想象大多停留在单一病种的辅助诊断上。
从AI角度看，CT影像里其实藏着许多医生容易忽略的小病灶。达摩院医疗AI团队认为，随着AI能力的提升，有可能把特别微小的病灶抓出来。于是，张灵带着团队从胰腺癌入手。
胰腺癌被称为“癌王”，是我国发病率前10、死亡率前6的重大恶性肿瘤，主要是因为起病隐匿，常规手段难以发现，超过80%的胰腺癌患者确诊即晚期，五年生存率不到10%。
为了攻克胰腺癌早筛难题，达摩院联合全球多家顶尖医疗机构，经过多年研究，开发出“平扫CT+AI”技术，即以AI识别平扫CT影像中人眼难以察觉的细微胰腺病变，并推出DAMO PANDA模型，在国际上首次实现基于平扫CT的大规模胰腺癌筛查，敏感性（防止漏诊的能力）和特异性（防止误诊的能力）分别达到92.9%与99.9%。
张灵提到一个令人振奋的数据：经过筛查监控的胰腺癌五年生存率可达9.8年，比未筛查发现的胰腺癌中位生存率提高八年。
宁波的应用案例成为这一技术临床价值的最佳注脚。2023年底，一位糖尿病患者通过CT筛查发现早期胰腺癌，及时手术后预后良好，该案例获《纽约时报》报道。
在宁波大学附属人民医院，现已开设浙江省首个胰腺癌早筛门诊，截至2026年8月初，该系统累计分析超24万张CT片，成功发现84例胰腺癌，其中43例为早期，1例为原位癌，38位患者进行根治性手术，显著提高了生存预期。在上海的临床试验中，筛查组早期胰腺癌检出率57%，一年生存率90%；而对照组一年生存率仅49%。
这些数字背后，是一个个被改写命运的生命。
从一到多：攻克多癌种筛查与诊断
攻关胰腺癌之后，团队又先后研发出胃癌、肠癌、肝癌、食管癌筛查诊断AI模型。
肠癌筛查实现了无感筛查，无需肠道准备或麻醉；肝癌AI模型实际部署到医院参与日常阅片，两个月内共阅读1万多名患者的增强CT影像，辅助医生抓出15例原本被忽略的肝转移，推动改变了这些患者的治疗方案；食管癌模型首次实现癌前病变筛查，对高级别上皮内瘤变检测敏感性达50%……
“每个模型专门针对一种癌症类型研发。”张灵解释，这种“专病专模”的策略看似笨拙，却让团队在每一个癌种上都做到了极致。强监督学习方式（用大量由专家精确标注好的数据来训练AI，让AI学会从输入到输出的对应关系）下，模型能够识别医学影像中微弱的对比度差异，区分血管、器官还是肿瘤——这些在平扫CT中灰度极为接近的组织结构。
传统诊断需要造影剂增强肿瘤与正常组织的对比度，而AI技术可在不使用造影剂的情况下识别肿瘤。这意味着扫描速度更快、成本更低。一般情况下，上海、浙江地区平扫CT费用低于500元人民币，单次检查约200元。
从专病到通用：DAMO RADAR的诞生
当专病模型在各自领域取得突破后，团队开始思考一个更宏大的问题：“一病一模”在训练上依赖大量人工标注，成本高、耗时长，通用性差，难以满足复杂的真实临床需求。能否用一个模型，同时诊断多种疾病？
这就是DAMO RADAR的由来，覆盖了含恶性肿瘤在内的广泛腹部病症。该模型涵盖18个检测器官，验证146种疾病，平均AUC （AUC是区分患者与正常人的能力指标，数值越高越好，1代表能进行完美区分）0.91，近期提升至0.95。
不过，DAMO RADAR目前应用于增强CT而非平扫CT，尚不适用于大规模无症状人群的健康筛查。张灵客观指出，专病模型和通用模型并非替代关系，而是互补。专病模型追求极致精度，通用模型追求广度与效率，两者共同支持不同医疗场景的需求。
这个通用医疗影像模型的意义在于，它首次证明通用医疗影像AI可以达到影像科专家级水平。这为医疗AI的规模化落地打开了新的想象空间——在基层医院，一个通用模型可以同时辅助诊断多种疾病，未来将大幅降低部署成本和技术门槛。
应用与未来：让AI成为医生的助手
应用落地方面，达摩院医疗AI已进入体检中心和医院临床两大场景。除癌症外，AI模型还可筛查慢性病（心血管病、骨质疏松、脂肪肝）和急症（急性主动脉综合征、肺栓塞）。AI医生智能体正在探索阶段，旨在综合临床病史、血检指标和医学指南，提供诊断和治疗建议。
回顾九年历程，达摩院医疗AI团队的研发从专病模型到通用模型，走了一条先深后广的路。这条路的起点，是对每一个癌种、每一个临床细节的极致追求；而终点，是让AI真正成为医生的得力助手，让更多人从高质量的医疗影像服务中获益。
技术的温度，正体现在每一个被早期发现的病灶中。