RespostasPublicado20 fontes
DAMO RADAR: a IA que examina tomografias abdominais em busca de 146 achados
O DAMO RADAR analisa tomografias abdominais com contraste em busca de 146 achados avaliados em 18 órgãos, sem depender de um detector separado para cada doença. Em quase 40 mil exames, a AUC média relatada foi de 0,913 — medida de discriminação que não significa 91,3% de acerto diagnóstico.
Publicado porEditado com GPT-6 SolImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- O DAMO RADAR analisa tomografias abdominais com contraste em busca de 146 achados avaliados em 18 órgãos, sem depender de um detector separado para cada doença.
- Em quase 40 mil exames, a AUC média relatada foi de 0,913 — medida de discriminação que não significa 91,3% de acerto diagnóstico.
- No estudo com 26 radiologistas, o modelo superou 23 na comparação relatada. Com auxílio da IA, houve menos achados perdidos e menor tempo de leitura, mas faltam detalhes para quantificar com precisão o ganho de sensib...
Prompt de IA
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
A proposta do DAMO RADAR é fazer uma triagem ampla de uma tomografia computadorizada do abdômen com contraste. Em vez de usar um sistema diferente para procurar cada doença, esse modelo de visão e linguagem examina o estudo em busca de 146 achados clínicos avaliados em 18 órgãos, incluindo alterações associadas a tumores. Desenvolvido pela DAMO Academy, braço de pesquisa da Alibaba, com parceiros clínicos, o trabalho foi divulgado em estudo publicado na Science. 3
4
12
Como ele vai além de um detector para cada doença?
Segundo os relatos disponíveis, o treinamento relaciona as imagens de tomografia aos laudos clínicos que as acompanham. Assim, o modelo pode aprender com descrições já existentes, reduzindo a necessidade de criar, para cada condição, um novo conjunto de imagens marcado manualmente. Isso não demonstra, por si só, que ele reconheça com segurança qualquer doença nova: as fontes consultadas não detalham o suficiente a implementação nem estabelecem quais achados fora dos 146 avaliados ele identificaria de modo confiável. 5
16
O que os números dizem — e o que não dizem
Na avaliação relatada de quase 40 mil exames reais, a área média sob a curva ROC (AUC) foi de 0,913 para os 146 achados. AUC mede a capacidade de distinguir casos positivos dos negativos ao variar o limiar de decisão. Não quer dizer que 91,3% dos diagnósticos individuais estavam corretos. 14
15
Em uma comparação com 26 radiologistas, o RADAR teve desempenho superior ao de 23 participantes segundo a métrica relatada para o estudo. Com a IA como apoio, os relatos apontam cerca de 10% menos achados perdidos e redução de aproximadamente 30% no tempo de leitura. As informações disponíveis, porém, não deixam claros os valores de sensibilidade dos médicos antes e depois do auxílio nem se os 10% representam uma redução relativa ou uma diferença em pontos percentuais. 1
6
14
Também não há evidência suficiente nas fontes consultadas para atribuir um número confiável ao desempenho fora da distribuição dos dados de treinamento — por exemplo, em exames de outros hospitais ou populações.
A DAMO Academy anunciou a disponibilização aberta do projeto, e relatos indicam que os pesos do modelo foram liberados. Seu papel clínico mais plausível é o de segunda leitura ou apoio à triagem para o radiologista, não o de diagnóstico autônomo. Antes de qualquer uso assistencial, continuam necessárias validações adequadas ao contexto em que a ferramenta seria empregada. 3
4
7
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "DAMO RADAR: a IA que examina tomografias abdominais em busca de 146 achados"?
O DAMO RADAR analisa tomografias abdominais com contraste em busca de 146 achados avaliados em 18 órgãos, sem depender de um detector separado para cada doença.
Quais são os pontos-chave para validar primeiro?
O DAMO RADAR analisa tomografias abdominais com contraste em busca de 146 achados avaliados em 18 órgãos, sem depender de um detector separado para cada doença. Em quase 40 mil exames, a AUC média relatada foi de 0,913 — medida de discriminação que não significa 91,3% de acerto diagnóstico.
O que devo fazer a seguir na prática?
No estudo com 26 radiologistas, o modelo superou 23 na comparação relatada. Com auxílio da IA, houve menos achados perdidos e menor tempo de leitura, mas faltam detalhes para quantificar com precisão o ganho de sensib...