这下美国媒体高兴不起来了，半年时间不到，中国团队就把他们刚庆祝完的里程碑，直接翻篇了！


半年前，美国媒体还在为斯坦福团队的医疗模型欢呼，把它称作“CT界的ChatGPT”，觉得终于在影像诊断领域抢到了先手，可这股高兴劲儿没撑多久。


2026年9月18日，阿里达摩院联合浙大一院等机构的DAMO RADAR登上了《科学》，一个模型覆盖腹部18个器官、识别超过146种病症，准确性达到专家级水平，还直接宣布开源。


从三十种到一百四十六种，从“还没赶上医生平均”到“超过多数放射科医生”，不到半年，美国刚庆祝完的里程碑，被中国团队翻篇了。


美国媒体高兴不起来，不是因为输不起，而是因为他们发现，这一次中国团队赢的方式，跟他们想的完全不一样。
 
 
美国团队的做法，说白了就是堆数据，用海量CT影像和诊断报告把模型喂出来，一个模型解决一类任务。


这条路走得通，但代价很大，标注成本高、训练周期长，精度到了某个水平就很难再往上提，Merlin能识别三十种疾病，在当时确实领先，可它离医生平均水平还有距离。

 
达摩院没跟着这条老路走，他们让模型直接从影像和报告文本里学关联，还首次采用器官级对齐的办法，把三维CT拆成一个个解剖单元，不用额外人工标注也能完成诊断。


在近四万次真实检查中，这个模型不仅识别病种多，在训练之外的急腹症场景里也稳得住，医生有了它提示，找病的敏感度提高一成，用时减少三成以上。

 
两种思路的差别，不是谁更努力，而是谁在重新定义问题，跟跑的人，永远只能接近领先者的纪录，换道的人，才有机会把纪录作废。


美国媒体当初的兴奋，建立在“我定规则、我保持领先”的惯性上，可中国团队用结果告诉他们，规则本身也是可以改的。
 
 
比技术路线更让美国媒体笑不出来的，是DAMO RADAR选择了开源。

 
这意味着，覆盖十八个器官、一百多种病症的专家级诊断能力，不是锁在某个公司的保险柜里，而是全球医院、研究机构甚至个人开发者都能拿去用、拿去改。


对医疗资源紧张的地方来说，这可能是基层诊断水平往上提一大截的机会，对依赖技术壁垒吃饭的美国企业来说，这等于把围墙拆了。

 
美国这些年总想靠限制、指责、设卡来维持优势，可技术一旦开源，封锁就失去了支点，你拦得住一家公司，拦不住全世界想用的人，美国媒体笑不出来，是因为他们发现，领先不再由自己说了算。


更让他们难受的是，这种开源不是被迫的，而是主动的选择，主动开源，说明中国团队对自己的技术迭代速度有信心，不怕别人追，也不怕别人改，这种底气，比任何一个数字都更有冲击力。
 
 
美国媒体的不高兴，表面上是冲着中国来的，实际上暴露的是自己的问题。

 
就在这段时间，美国国内反对AI数据中心建设的声音越来越大，特朗普8月31日还在社交媒体上怒斥反对者“想要落后和贫穷”，可民调显示，超过六成受访者反对在自己社区新建数据中心，连共和党人中都有超过一半持反对态度。


一个连数据中心都建不起来的地方，拿什么去跟一个正在把AI模型开源到全世界的国家竞争？

 
与此同时，美国科技巨头在医疗AI上的动作，更多是资本驱动，收购初创公司、嵌入医疗系统，背后是商业逻辑在推着走，医疗AI市场大、付费意愿强，是通用大模型价格战之外的新增长点。


可当商业利益和公共卫生需求出现拉扯时，这种模式能走多远，是个未知数，中国团队这次登顶《科学》并开源，走的是另一条路，先把技术做到专家级，再让所有人用得上，两条路的差别，时间越长越明显。
 
 
这场较量最值得琢磨的地方，不在于谁先发论文，而在于谁能让技术真正落地救人，里程碑从来不是终点，半年就被翻篇，恰恰说明医疗AI的竞争已经进入新阶段，拼的不是谁喊得响，而是谁更开放、更快迭代、更贴近真实需求。


中国团队这次翻篇，翻掉的不只是美国的一个纪录，更是一种“只能我领先”的旧心态，技术向善，最终看的是有多少人因此受益，开放共享，才是这个领域真正的大方向，谁先想明白这一点，谁就能走得更远。


信源：
澎湃新闻 --《首个专家级通用医疗影像 AI 登上〈科学〉，可通过腹部 CT 识别 146 种病症》2026.9.19
人民网 --《达摩院通用医疗影像 AI 模型 DAMO RADAR 开源 可识别逾 146 种腹部病症》2026.9.18