AnswersPublished20 sources
DAMO RADAR undersøker CT-bilder for 146 funn – men er ikke en ferdig diagnose
DAMO RADAR er laget for å undersøke kontrastforsterkede CT bilder av magen for 146 kliniske funn fordelt på 18 organer. Modellen er trent ved å koble CT bilder til tilhørende kliniske rapporter, fremfor å bygge en egen manuelt merket detektor for hver tilstand.
Publisert avRedigert med GPT-6 SolBilder generert med GPT Image 2
Research answer
Key takeaways
- DAMO RADAR er laget for å undersøke kontrastforsterkede CT bilder av magen for 146 kliniske funn fordelt på 18 organer.
- Modellen er trent ved å koble CT bilder til tilhørende kliniske rapporter, fremfor å bygge en egen manuelt merket detektor for hver tilstand.
- I nær 40 000 undersøkelser var gjennomsnittlig AUC 0,913. I en studie med 26 radiologer ble det rapportert færre oversette funn og kortere lesetid med KI hjelp.
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 radiolog som leser en CT-undersøkelse av magen, må vurdere mange organer og mulige avvik samtidig. DAMO RADAR er utviklet med nettopp denne bredden som mål: Én syns- og språkmodell analyserer kontrastforsterkede CT-bilder for 146 kliniske funn på tvers av 18 organer, i stedet for å bruke en separat KI-detektor for hver sykdom. Modellen kommer fra Alibaba DAMO Academy, er utviklet i samarbeid med kliniske miljøer, og forskningen er omtalt som publisert i Science. 3
4
12
Hvordan lærer den å lete bredt?
Ifølge omtalene trenes modellen på CT-bilder sammen med de kliniske rapportene som allerede beskriver undersøkelsene. Slik kan den lære sammenhenger mellom bildeinnhold og medisinske beskrivelser uten at noen må tegne inn nye sykdomsmarkører manuelt for hver enkelt tilstand. Det tilgjengelige kildematerialet gir likevel ikke grunnlag for å fastslå alle detaljene i treningsmetoden – eller hvilke tilstander utenfor de evaluerte funnene modellen kan gjenkjenne pålitelig. 5
16
Hva viste testene?
I en evaluering av nær 40 000 undersøkelser fra klinisk praksis oppnådde RADAR en gjennomsnittlig AUC på 0,913 for de 146 funnene. AUC måler hvor godt modellen skiller mellom positive og negative tilfeller ved ulike beslutningsgrenser. Tallet betyr ikke at den stiller riktig diagnose i 91,3 prosent av tilfellene. 14
15
I en sammenligning med 26 radiologer gjorde modellen det bedre enn 23 av dem på studiens mål. Når legene fikk hjelp av modellen, ble det rapportert om rundt 10 prosent færre oversette funn og rundt 30 prosent kortere lesetid. De tilgjengelige omtalene oppgir ikke tydelige tall for radiologenes sensitivitet før og etter KI-hjelp, eller om endringen på 10 prosent er relativ eller målt i prosentpoeng. 1
6
Det er heller ikke tilstrekkelig dokumentasjon i de tilgjengelige kildene til å tallfeste hvordan RADAR presterer på undersøkelser fra andre sykehus eller pasientgrupper enn dem modellen er vant til.
DAMO Academy har kunngjort en åpen publisering av modellen, og omtaler oppgir at modellvektene er tilgjengelige. Den mest nærliggende kliniske rollen er som en ekstra leser eller et hjelpemiddel for radiologen: et system som kan peke på mulige funn, ikke stille en selvstendig diagnose eller erstatte utprøving før klinisk bruk. 3
4
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 undersøker CT-bilder for 146 funn – men er ikke en ferdig diagnose"?
DAMO RADAR er laget for å undersøke kontrastforsterkede CT bilder av magen for 146 kliniske funn fordelt på 18 organer.
What are the key points to validate first?
DAMO RADAR er laget for å undersøke kontrastforsterkede CT bilder av magen for 146 kliniske funn fordelt på 18 organer. Modellen er trent ved å koble CT bilder til tilhørende kliniske rapporter, fremfor å bygge en egen manuelt merket detektor for hver tilstand.
What should I do next in practice?
I nær 40 000 undersøkelser var gjennomsnittlig AUC 0,913. I en studie med 26 radiologer ble det rapportert færre oversette funn og kortere lesetid med KI hjelp.