九月才刚过一半，一则从中国杭州传出的消息，恐怕已经让远在美国的硅谷有些坐不住了！

9月18日，阿里巴巴达摩院联合浙大一院等机构扔出了一枚重磅炸弹，通用医疗影像AI模型DAMO RADAR，相关成果登上国际顶级期刊《科学》，并正式开源。

这个模型能从一个腹部增强CT里，一次性识别超过146种病症，覆盖18个器官，准确率首次达到影像科专家水平。
 
腹部CT在业内被称为“最难读的CT”，这不是夸张，浙大一院放射科主任肖文波有30多年从业经验，她说腹部影像组是年轻医生最怕进的组。

原因很简单：腹部器官多是软组织，密度相近，病灶识别难度极高，一份报告即便中高级医生也要花20到30分钟。
 
达摩院的做法很有意思，他们没有走传统的“堆标注”路线，而是让AI像放射科医生一样思考，先看肝脏、再看胰腺、再看胆道，逐个器官核查。

技术细节叫“器官级细粒度对齐”，说白了就是把CT影像拆解到器官层面，让图像和诊断报告在器官这个粒度上精确匹配，不需要额外的人工标注。
 
数据验证的结果让我觉得挺震撼的，在近4万例真实临床病例中，模型的AUC值达到0.913，即便面对训练范围之外的急腹症场景，AUC仍然有0.904。

跟26名放射科医生做的人机对比试验更直接：模型的平均准确率超过了其中23名医生。

而在AI辅助下，医生的防漏诊能力提升了10%，阅片时间缩短了30%以上，低年资医生直接达到了高年资医生的诊断水平。
 
DAMO RADAR真正的杀手锏不在于技术指标有多漂亮，而在于“开源”两个字，开源意味着基层医院、甚至医疗资源匮乏地区的医疗机构，都可以免费获取这套工具。

肖文波在采访中也说了，基层医院阅片量有限、医生经验不足，腹部CT阅片难度更大，她希望这款AI能尽快落地基层。
 
世卫组织去年发布的报告显示，全球近三分之二的国家已将人工智能应用于医疗诊断，但只有8%的国家制定了专门的医疗AI战略，也只有8%的国家有明确的责任标准来界定AI系统出错时谁来负责。

技术跑得飞快，规则严重滞后，这个数据说明一个很现实的问题：DAMO RADAR这样的通用模型一旦大规模铺开，从“能用”到“敢用”之间，还有一条不短的路。
 
达摩院在医疗AI领域的积累并非一日之功，过去三年，团队先后在胰腺癌、胃癌、肠癌等消化系统肿瘤筛查以及主动脉夹层预警上取得突破，三年内斩获5篇《自然·医学》和10多篇其他顶刊论文。

但此前这些成果本质上仍是“专病模型”思路的延续，而DAMO RADAR之所以引人注目，在于它彻底改变了技术范式。
 
通用医疗AI正在多个模态上同步推进，从腹部CT到多模态影像，通用化浪潮正在各个方向同时发生，这说明整个行业正在从“打补丁”式的单点突破，转向“建底座”式的系统性重构。
 
但通用化只是手段，不是目的，真正的目标是让优质诊断能力不再被少数大医院垄断。

达摩院资深算法专家张灵说了一句话让我印象很深：“它原生具有良好的泛化能力和通用性，其研究范式不仅可用于腹部CT的多病种识别，还有望应用于其他形态的医疗影像，这将加速通用人工智能的到来。”

这意味着DAMO RADAR打开的不只是一扇门，而是一个可以复制的方法论框架。
 
医疗AI走到今天这一步，技术上的突破固然重要，但更关键的是它能不能真正下沉到需要它的地方。

一个模型覆盖146种病症很厉害，但如果只有三甲医院用得上，那它的社会价值就要打一个大大的折扣，好在这次是开源，方向是对的。
 
你怎么看通用医疗AI的未来？是觉得它会真正改变基层医疗的面貌，还是觉得落地之路依然漫长？欢迎在评论区聊聊你的想法，觉得有意思的话也别忘了点个赞。
 
 信源：
 
光明网：《全球首个专家级通用医疗影像AI登上Science 阿里宣布开源》，2026年9月18日

中国科学报/科学网：《一个模型能识别146种病症，登上〈科学〉后开源》，2026年9月18日