9月18日，阿里达摩院宣布与浙江大学医学院附属第一医院等机构联合研发的通用医疗影像AI模型DAMORADAR登上国际顶级学术期刊《科学》。该模型面向腹部增强CT诊断，可一次性识别超过146种病症，准确性首次达到影像科专家级水平，现已正式开源。

该模型采用视觉-语言学习方法，直接学习医学影像与对应报告文本的内在关联。针对CT数据信号稀疏问题，研究在国际上首次采用“器官级细粒度对齐”策略，将CT构建为三维数据并分解为解剖单元，在组织器官层面实现图像与报告文本的精确对齐，并通过自适应对比建模策略动态调整，无需额外人工标注即可完成可扩展、多用途、可解释的诊断。

DAMORADAR覆盖了包含恶性肿瘤在内的广泛腹部病症，研究团队评估了其中146种，涉及18个器官。在近4万次真实世界检查中，其AUC可达0.913。在与26名来自多家医院的影像科医生进行的人机对比试验中，该模型平均准确率超过了其中23名医生。在AI辅助下，影像科医生识别疾病的敏感性提高了10%，诊断用时减少30%以上，并使低年资医生达到了高年资医生的诊断水平。