Hinton错了！中国AI登顶Science，全球首个专家级通用影像AI来了

新智元报道 2016年，AI教父Hinton给医院的放射科判了「死刑」：「人们现在就应该停止培养放射科医生。」他预测，五年内，AI就会胜过放射科医生。 10年过去了，AI没有攻下放射科。 他低估了医疗。 医疗，是AI的终极测试场。在这里，模型不是答错一道题，而是可能漏掉一个病灶、误导一次诊断。医疗对精度的要求近乎苛刻，对错误和幻觉的容忍度极低。 这也是为什么，医疗影像AI做了十年，还困在「专病专模」里。 直到这个中国AI横空出世。 9月18日，阿里巴巴达摩院与浙江大学医学院附属第一医院研发的DAMO RADAR登上Science正刊，它能一次性识别超过146种病症，而且是最难分辨的腹部，AUC高达0.913，首次达到影像科资深医生水平。 这也是全球首个专家级的通用影像AI模型，有望迈向传说中的「AI影像医生」。 论文链接：www.science.org/doi/10.1126/science.aec6129 开源地址：https://github.com/alibaba-damo-academy/damo-radar 十年过去了，Hiton的预言终于有了一丝希望。但奇怪的是，参与研究的中国影像医生们并没有害怕被AI取代，而是热烈拥抱它。 浙大一院放射科主任肖文波第一次看到实验结果时，「有点不太相信」。第二次验证得到相近数据后，医生们有些躁动：「赶紧部署起来。」 达摩院先做4把「尖刀」 达摩院医疗AI并不是从RADAR开始的。 2020年初，新冠疫情暴发，困在家里的几名达摩院算法专家，看到影像医生阅片太多累倒在医院走廊的新闻，两周内紧急开发出新冠肺炎CT辅助诊断模型，能自动勾画肺部病灶、计算感染比例、对比病情变化。它服务了国内外近600家医疗机构，分析超过80万例CT。 此前，他们已在CT上浸润多年，而疫情把算法团队直接推到了真实临床现场。 此后，达摩院把目标瞄准了癌症，还是通过CT，这是医院最常见的诊断工具之一，价格便宜，使用广泛。 2023年，DAMO PANDA登上Nature Medicine。它尝试从平扫CT中筛查胰腺癌——一种早期症状隐匿、发现时往往已到晚期的「癌王」。 胰腺藏在腹腔深处，早期病灶细小，之前没有影像科医生会从平扫CT上看胰腺癌，因为基本看不见。平扫CT对比度较低，医生一般只用来看肺结节、骨折等常见病症。 在20,530人的真实世界回顾性验证中，PANDA发现了31例此前临床漏诊的病变。 2025年，DAMO GRAPE同样发表于Nature Medicine。它把平扫CT机会性筛查推进到胃癌，研究覆盖20家医院、近10万人。胃是不断收缩、形态变化巨大的空腔器官，过去医生只能靠操作复杂的胃镜来识别胃癌病灶，从来没有人想过用CT。 2026年，DAMO COCA发表于Annals of Oncology，把目标转向结直肠癌。在27,433人的两轮真实世界研究中，模型发现了5例既往遗漏病例。它同样没有要求患者为AI多做一次检查，而是试图从既有影像中，再捞出一层原本可能被忽略的风险信号。 2026年，达摩院又推出食管癌模型DAMO EAGLE，无需插管和造影，从平扫CT上就能识别食管癌，重点包括早期和癌前恶性病变。 PANDA、GRAPE、COCA、EAGLE，像4把越来越锋利的「尖刀」。它们盯住一种癌症，围绕微小病灶、早期信号和高风险人群一路向下扎。 这条路线打开了一个新入口：病人本来只是因为体检、腹痛或其他原因拍了一张CT，AI可以顺手再筛一次癌症风险，不增加一次专门检查。 但尖刀也有尖刀的边界。 每增加一种疾病，就要重新找病例、做标注、训模型、跑验证，整个周期再快也要两三年。「按照这个速度，是不是一辈子都做不完？」 达摩院高级算法专家张建鹏说，他是肠癌模型的核心作者。 面向最难的目标开火 RADAR不是PANDA、GRAPE、COCA等专病模型的合并。专病模型像狙击枪，目标明确，追求在一种疾病上看得更深。RADAR更像雷达，要先把整个腹部扫一遍。 对医生来说，可能更需要雷达。现实世界不是考试，不是只考胰腺癌。腹水、术后改变、金属伪影、罕见异常，会同时出现在同一个病人身上，还有可能带有其他病症。 而腹部，恰恰是最难的部位。腹部涉及消化、泌尿、生殖等多个系统，几乎所有器官都挤在同一组影像里。一次增强CT，往往包含多个不同期相、每个期相上百幅图像，医生需要逐一排查，才能形成一份完整的诊断报告。 「对我们科室所有的年轻医生中，最害怕进的组，就是腹部组。」浙大一院肖文波介绍，从年轻医生进科到能独立审核报告，往往要先经过胸部组和其他器官组的历练，最后才敢进腹部组。「我们一直想要一个针对全腹的AI，但大家都知道这个难度，不敢想。」 张建鹏介绍，对于全腹CT的通用影像AI，业界不是没有尝试。视觉-语言学习方法也并非全新事物，有研究者尝试将其引入医疗影像领域。其好处很明显：不再需要医生去大量标注数据，可以直接利用医院现成的CT报告，让AI从报告中学习，让影像与医学语言彼此对齐。 但问题在于，这种自然图像领域的常见方法在腹部CT上效果不佳。腹部结构复杂，各种器官叠在一起，而病灶稀疏，粗放的全局视角很容易让模型走偏：「模型非常容易走捷径，关键的异常往往会被淹没掉。」 这个问题困扰了达摩院算法专家们很久，他们最终从医生身上获得了灵感。 张建鹏经常去医院观察医生怎样读片，答案不是「一眼看完整个腹部」，而是按器官，一个一个排查。这个临床动作，后来变成了RADAR最关键的技术结构。RADAR选择把腹部拆成不同的解剖单元，再让每个器官与报告中的对应描述对齐。它不靠生成一段听起来像医生的话作判断，而是定位、对齐，再比较正负提示词与影像的相似度，在医生工作台上生成热力图对病灶进行风险提示。 内部真实世界测试中，RADAR接受了39,160次测试。在146项病症上，平均AUC达到0.913。随后，研究人员又在8家外部医疗中心的回顾性队列上验证模型；各中心覆盖68到136项病症，平均AUC约0.895。在两个以病理结果为金标准的队列中，面对肝细胞癌、胰腺癌、胃癌和结直肠癌，AUC达到0.891到0.984。 换医院、换设备、换病种、换场景...RARDA依然展现出强劲的性能，这比一条漂亮的单院曲线更接近医院里的真实考场。读片测试中，RADAR与14家医院的26名影像科医生进行了人机对比试验，其平均准确率超过了其中23名医生，仅弱于3名资深医生。 「最初我听到这个数据，有点不太敢相信。」肖文波说，这么多器官、这么多相像的结构，一次性识别146种病灶，「我做了这么多年医生，都得反复重建、仔细去看才能确保没有遗漏。」 更难得的是，RADAR在急诊等陌生场景中展现出强大的泛化能力。在一项包含27,267例急诊CT的测试中，RADAR面对17种常见急腹症，平均AUC仍达到0.904。也就是说，研究人员没有专门教它应该怎么做，它仍能把此前学习到的影像规律迁移到新的临床场景中，通用影像AI由此炼成。 影像医生催着上线 「我给科室同事介绍了RADAR，也在同行会议上做过分享，大家都特别惊喜，追问什么时候能上线，能不能快点给我们装一个？」肖文波说，医疗影像上经常出现」同病异影、异病同影」，不管是多么资深的医生，也不敢保证