答案已發布20 個來源
DAMO RADAR用一套模型檢視腹部CT，能幫放射科醫師多少忙？
DAMO RADAR以單一視覺語言模型檢視腹部增強CT，研究評估涵蓋18個器官的146項影像發現，而非每種疾病各用一套偵測器。[3][4] 模型從CT影像及對應臨床報告學習，降低為每種病況重新製作人工標註資料的需求；現有資料不足以核實訓練方法的所有細節。[5][16] 在近4萬次實際檢查中，146項影像發現的平均AUC為0.913；這不代表診斷正確率是91.3%。[14][15]
發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成
研究答案
重點整理
- DAMO RADAR以單一視覺語言模型檢視腹部增強CT，研究評估涵蓋18個器官的146項影像發現，而非每種疾病各用一套偵測器。[3][4]
- 模型從CT影像及對應臨床報告學習，降低為每種病況重新製作人工標註資料的需求；現有資料不足以核實訓練方法的所有細節。[5][16]
- 在近4萬次實際檢查中，146項影像發現的平均AUC為0.913；這不代表診斷正確率是91.3%。[14][15]
- 26名放射科醫師的比較研究顯示，模型在研究所用指標上優於其中23人；醫師獲AI輔助後，漏掉的發現約減少10%、讀片時間約縮短30%，但數字的計算方式仍須審慎解讀。[1][6]
AI 提示詞
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
如果一張腹部電腦斷層（CT）影像可能同時出現多種異常，放射科醫師就不能只尋找單一疾病。阿里巴巴達摩院與包括浙江大學醫學院附屬第一醫院在內的機構合作研發的 DAMO RADAR，正是朝這個方向設計：它以視覺語言模型分析腹部增強CT——即使用顯影劑協助呈現組織與血管的掃描——研究評估涵蓋18個器官、146項臨床影像發現，當中包括惡性腫瘤。相關成果據報發表於《Science》。這裡的「146項」是研究評估的影像發現數目，不宜直接理解為146種都能獨立確診的疾病。12
3
4
為何不必為每種疾病另訓練一套模型？
報導指出，研究人員讓模型從CT影像及其對應的臨床報告學習影像與文字之間的關聯。由於報告本身記錄了醫師對檢查的描述，這種做法可降低逐一為每種病況建立人工標註資料集的需求，有別於只針對單一疾病訓練偵測器。不過，現有來源不足以完整核實其訓練流程，也不能據此推定模型對未經評估的新病況都同樣可靠。5
16
研究數字該怎麼看？
在近4萬次真實世界檢查中，DAMO RADAR對146項影像發現取得的平均AUC為0.913。AUC衡量的是模型在不同判定門檻下區分有、無特定發現個案的能力；0.913不是「每100次診斷有91.3次正確」。14
15
另一項涉及26名放射科醫師的讀片比較顯示，模型在該研究的比較指標上優於其中23人。報導亦指出，醫師使用AI輔助時，漏掉的發現約減少10%，讀片時間約縮短30%。但現有資料未清楚交代醫師使用前後的敏感度數值，也無法確認「10%」是相對降幅還是10個百分點；因此不應把它改寫成確定的敏感度提升幅度。1
6
已開放取得，不等於已能獨立診斷
達摩院已宣布開源，報導稱模型權重亦可取得，讓研究機構有機會進一步測試。3
4
7 不過，現有資料不足以給出可靠的分布外表現數字，也無法據此判定它在不同醫院或病人族群的掃描上能維持相同成績。較審慎的臨床定位，是讓它擔任放射科醫師的第二讀者或篩檢輔助工具；開放模型與研究結果，都不能取代實際部署前的臨床驗證。
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「DAMO RADAR用一套模型檢視腹部CT，能幫放射科醫師多少忙？」的簡短答案是什麼？
DAMO RADAR以單一視覺語言模型檢視腹部增強CT，研究評估涵蓋18個器官的146項影像發現，而非每種疾病各用一套偵測器。[3][4]
最值得優先驗證的重點是什麼？
DAMO RADAR以單一視覺語言模型檢視腹部增強CT，研究評估涵蓋18個器官的146項影像發現，而非每種疾病各用一套偵測器。[3][4] 模型從CT影像及對應臨床報告學習，降低為每種病況重新製作人工標註資料的需求；現有資料不足以核實訓練方法的所有細節。[5][16]
接下來在實務上該怎麼做？
在近4萬次實際檢查中，146項影像發現的平均AUC為0.913；這不代表診斷正確率是91.3%。[14][15]