AGI最难一战，竟在医院！中国AI登上Science，医生不怕失业还催着上线

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> AGI最难一战，竟在医院！中国AI登上Science，医生不怕失业还催着上线 克雷西 2026-09-18 14:11:06 来源： 量子位 克雷西 发自 凹非寺 量子位 | 公众号 QbitAI AI正在横扫一切，但有块硬骨头，迟迟攻不下来，让无数人希望落空。 2016年，Hinton老爷子就预言：“人们现在就应该停止培养放射科医生。”他甚至认为，五年内，AI就会在医疗影像识别上超过放射科医生。 老爷子一生谨慎，但历史和他开了个玩笑。十年过去了，人们离AGI已经越来越近，但 在医疗场景里， 即使图像识别这样的AI新手村任务，依然是hard模式。 如果从IBM的Watson算起，在医疗上遭遇滑铁卢的AI专家数不胜数。 为什么医疗成了AI的阿喀琉斯之踵？ ——对模型精度的极高要求，在别的领域，模型幻觉可以一笑了之，但在这里却是人命关天。 这也导致了医疗影像AI长期困在专用模型里。 直到今天，学术期刊的“王者”Science正式刊发一项来自中国的重磅研究： DAMO RADAR，据介绍是全球首个专家级的通用影像AI模型。 这个模型，能看腹部18种解剖结构的146种病，比很多影像科医生看得还准。 而且模型、代码、框架，全开源了。 一个模型，看146种病 DAMO RADAR，全称Rapid Abdominal Diagnosis with AI and Radiology，面向腹部快速诊断的AI模型。 这个AI“雷达”，研发团队就是阿里达摩院，过去几年他们用AI识别CT中肉眼难见的早期癌症病灶，在胰腺癌、胃癌、肠癌等专病上取得重大突破，发表5篇Nature Medicine。 但做着做着，达摩院有些人觉得不对劲了。达摩院高级算法专家张建鹏说，一个病种啃下来至少两三年，人类疾病成千上万种，那他们搞一辈子都搞不完…… 更棘手的是，真实世界里，病人不会只带着一种病来医院，对着专病模型问他是不是有这种病。事实上，一份CT影像里，很可能同时存在多种器官，多种病变。 达摩院联合浙大一院等全球众多医院向腹部CT发起冲击，希望AI能一次性识别出腹部各种疾病。 选腹部，是因为这是临床公认最难的影像场景。 浙大一院放射科主任肖文波介绍，年轻医生通常最害怕被分到腹部组。 因为腹部涉及消化系统、泌尿系统、生殖系统，肝胆胰脾肠道全挤在一起，肠道还盘绕整个腹腔，所有器官几乎都是软组织，密度接近，全靠肉眼对密度差的敏感度把病灶揪出来。 之前，已经有了针对肺结节之类的AI辅助工具，但腹部太复杂了，一直是个禁区，没人敢碰。 RADAR要做的，就是用一个模型覆盖整个腹部。 最终它覆盖了18种解剖结构、146种病，涵盖肝脏、胰腺、胆囊、肾脏、脾脏、肠道等主要器官，基本覆盖了临床常见病变。 对其效果，团队做了非常严格的多层验证。 在内部近3.9万例真实世界连续队列中，RADAR的平均AUC达到0.913。 AUC是衡量诊断模型区分患者和正常人能力的指标，1是完美区分，0.5等于瞎猜，超过0.9就算优异。 之后，团队又在来自8家外部医院的超过2.4万例CT上验证，这些案例覆盖不同地区、不同扫描设备，RADAR的AUC仍然达到0.895。 而且RADAR还泛化到了急诊场景。 急诊场景与一般门诊的区别是，由于时间紧急，来不及等造影剂发挥最佳效果，患者也不一定有能力配合，CT成像效果偏差。 RADAR的训练目标并未包括急诊，但测试时团队拿2.7万例急诊数据一测，结果AUC依然有0.904。 而且达摩院在肝癌、胰腺癌、胃癌、肠癌四种癌症的诊断上，还提高了对RADAR的要求。 在这四种癌症上，他们用来考验RADAR的依据，是“病理金标准”，也就是以病理活检结果作为Ground truth，确认影像判断准不准。 这个拔高测试当中，RADAR的AUC仍达到了0.891-0.984。 达摩院还做了一波人机对比。 这波对比共有来自14家医院的26名放射科医生参与，RADAR和TA们在同一批病例上各自独立诊断，结果RADAR的准确率超过了其中23名医生，只稍弱于3名资深医生。 与此同时，达摩院还测试了人机协同场景，发现医生在有AI帮助的情况下读片，整体敏感度提升了大约10%，平均阅片时间减少了30%以上。 “初级医生+AI”的配置，敏感性甚至超过了资深医生独自阅片。 那RADAR到底是怎么做到的？ 过去的医疗影像AI用的是监督学习，简单说就是让医生一张一张地标注CT图像，然后AI照着标注学。 这种方法标注成本巨大，而且模型只能识别被标注过的那几种病，换一种就不认识了。 RADAR走了一条不同的路，叫视觉-语言对比学习。 医院里天然存在大量CT影像和对应的诊断报告，RADAR直接从影像和报告文本的对应关系中学习，不需要医生额外逐片标注。 这有点像医学生跟着主任查房，主任看片子的时候会说“肝脏有一个低密度灶，考虑血管瘤”，学生听多了，自然就知道什么影像特征对应什么诊断。 但直接把整张CT和整份报告对齐，效果很差。 团队一开始就试过这条路，结果发现模型只能学到一些粗糙的统计特征，建立不起来“哪个器官对应哪段描述”的关联。 因为一套腹部CT有几百张切片，包含好多个器官，真正有问题的可能只是某个器官上一个很小的病灶，如果让模型拿整张图去理解，关键信号就被大量正常组织淹没了。 这就涉及到了RADAR的核心突破——“器官级细粒度对齐”。 它先从CT中定位出肝脏、胰腺、胆囊、肾脏等各个器官，把一整套CT拆解成一个个器官单元，再把每个器官单元和报告中对应的描述精确对齐。 这一设计的灵感，来自放射科医生的真实工作方式。 医生看腹部CT时，也不会把整个腹部当一个整体扫一眼，TA们会依次看肝脏、胰腺、胆道、肾脏、肠道，一个器官一个器官地过。RADAR让AI也按这种方式去学习。 另一个创新叫自适应对比建模。 标准的对比学习默认把不同病人的特征严格区分，但在医疗场景里，如果两个人的肝脏都是健康的，就不应该被割裂看待。 同理，得了同一种病的两个患者，影像特征也应该被放在一起学习。 RADAR会根据这些医学知识，动态调整样本之间的距离。 而且论文里展示的Scaling Law曲线显示，随着数据增长，模型性能还在持续上升，曲线没有饱和的迹象。 帮医生“少漏一个病灶” Scaling Law曲线还在涨，但眼下RADAR够到的能力，已经开始改变一线医生的工作节奏了。 “第一次看到RADAR的验证数据，我都不敢相信。”浙大一院放射科主任肖文波说，AI能在腹部这么多相似结构里一下子检出146种病，AUC还有0.9上下，完全超乎医生们的想象。 科室里开始沸腾，很多医生说：赶紧部署起来！很多外面医院的医生也闻讯前来，希望AI能帮助他们解决腹部CT这个头疼的问题。 肖文波干了三十多年影像，带着300多人的科室，科室每天处理几千份片子。 写一份腹部CT报告，哪怕中高年资的医生，没有20分钟下不来，一例CT包括数百张图像，挨个过。 这活儿她太清楚有多难了。 直到她发现RADAR接