AnswersPublished20 sources
DAMO RADAR undersøger CT-scanninger for 146 fund – men tallene kræver omtanke
DAMO RADAR er udviklet til at undersøge én kontrastforstærket CT scanning for 146 kliniske fund på tværs af 18 organer og anatomiske strukturer. Modellen er trænet med CT scanninger og tilhørende kliniske beskrivelser frem for et særskilt sæt manuelt markerede eksempler for hver tilstand.
Udgivet afRedigeret med GPT-6 SolBilleder genereret med GPT Image 2
Research answer
Key takeaways
- DAMO RADAR er udviklet til at undersøge én kontrastforstærket CT scanning for 146 kliniske fund på tværs af 18 organer og anatomiske strukturer.
- Modellen er trænet med CT scanninger og tilhørende kliniske beskrivelser frem for et særskilt sæt manuelt markerede eksempler for hver tilstand.
- På knap 40.000 undersøgelser var den gennemsnitlige AUC 0,913. Med AI hjælp rapporteres radiologerne at have overset omkring 10 % færre fund og brugt omkring 30 % mindre tid.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How does Alibaba DAMO Academy’s open weight DAMO RADAR model, developed with clinical partners and published in Science, analyze contrast en. Article summary: DAMO RADAR is a vision language model designed to screen a contrast enhanced abdominal CT scan for 146 reported findings across 18 organs, rather than run a separate detector for each disease.. Topic tags: general web, ai, code, benchmarks, marketing. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbai
En CT-scanning af maven kan rumme tegn på mange forskellige sygdomme. Hvor en AI-model ofte er bygget til at lede efter én bestemt tilstand, er DAMO RADAR tænkt som et bredere hjælpemiddel: Den gennemgår en kontrastforstærket CT-undersøgelse for 146 kliniske fund fordelt på 18 organer og anatomiske strukturer. Fundene omfatter både sygdomme og andre afvigelser, herunder tegn på kræft. Modellen er udviklet af Alibabas forskningsenhed DAMO Academy sammen med kliniske partnere, og forskningen er omtalt som publiceret i Science. 3
4
12
Hvordan lærer modellen at se bredere?
DAMO RADAR er en såkaldt vision-language-model, der lærer sammenhænge mellem CT-billeder og de kliniske beskrivelser, som allerede hører til undersøgelserne. Det kan mindske behovet for at opbygge et nyt, manuelt mærket datasæt til hver enkelt tilstand. De tilgængelige kilder beskriver dog ikke metoden detaljeret nok til at fastslå præcis, hvordan træningen er gennemført, eller hvilke hidtil ukendte tilstande modellen pålideligt kan genkende. 5
16
Hvad viste afprøvningen?
På knap 40.000 undersøgelser fra klinisk praksis opnåede modellen en gennemsnitlig AUC på 0,913 på tværs af de 146 fund. AUC måler, hvor godt en model skelner mellem positive og negative tilfælde ved forskellige grænser for, hvornår den slår alarm. Tallet betyder ikke, at 91,3 % af diagnoserne var korrekte. 14
15
I en sammenligning med 26 radiologer klarede modellen sig ifølge omtalerne bedre end 23 af dem på undersøgelsens mål. Når radiologerne fik hjælp af AI, faldt antallet af oversete fund med omkring 10 %, mens læsetiden faldt med omkring 30 %. Kilderne angiver ikke tydeligt radiologernes følsomhed før og efter hjælpen, eller om de 10 % er en relativ ændring eller et fald på 10 procentpoint. 1
6
14
Det er heller ikke muligt ud fra de tilgængelige oplysninger at sætte et sikkert tal på modellens præstation uden for de undersøgelsesforhold, den er trænet eller afprøvet under – for eksempel på scanninger fra andre hospitaler eller patientgrupper.
DAMO Academy har annonceret en åben udgivelse, og omtaler angiver, at modellens vægte er tilgængelige. Det gør den interessant at undersøge som ekstra læser eller screeningshjælp for radiologer. Resultaterne dokumenterer derimod ikke, at den kan stille diagnoser på egen hånd eller tages i klinisk brug uden yderligere validering. 3
4
6
7
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "DAMO RADAR undersøger CT-scanninger for 146 fund – men tallene kræver omtanke"?
DAMO RADAR er udviklet til at undersøge én kontrastforstærket CT scanning for 146 kliniske fund på tværs af 18 organer og anatomiske strukturer.
What are the key points to validate first?
DAMO RADAR er udviklet til at undersøge én kontrastforstærket CT scanning for 146 kliniske fund på tværs af 18 organer og anatomiske strukturer. Modellen er trænet med CT scanninger og tilhørende kliniske beskrivelser frem for et særskilt sæt manuelt markerede eksempler for hver tilstand.
What should I do next in practice?
På knap 40.000 undersøgelser var den gennemsnitlige AUC 0,913. Med AI hjælp rapporteres radiologerne at have overset omkring 10 % færre fund og brugt omkring 30 % mindre tid.