比部分醫生更準的救星？達摩院通用影像 AI DAMO RADAR 登上 Science
為何重要
DAMO RADAR 的發表具有重要的技術範式轉變意義，從監督學習（需針對單一病種大量標註）轉向視覺語言對比學習與細粒度對齊，大幅降低了資料標註成本，為通用影像模型的開發樹立了新標竿。對臨床現場而言，該模型已能協助提升醫師的敏感度與效率，更具備成為新生兒培訓「一對一」導師的潛力，改變醫學影像的生產流程。
全球首個專家級通用影像 AI 模型「DAMO RADAR」由阿里達摩院開發，成功攻克醫療影像難題並登上頂級期刊《Science》，證明特定基礎模型在高精度真實場景的可行性與價值。該模型透過「器官級細粒度對齊」技術，在內部 3.9 萬例腹部 CT 驗證中平均 AUC 達 0.913，經 8 家外部醫院 2.4 萬例資料測試仍維持 0.895；儘管訓練目標不含急診，其在 2.7 萬例急診資料上的 AUC 卻仍穩守 0.904。