问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
阿里巴巴达摩院联合盛京医院等机构研发的肝癌诊断AI模型DAMO LiON近日相关研究成果刊发于医学顶刊《自然·医学》。该模型可通过增强CT影像精准识别1厘米左右的微小肝脏癌变病灶，在两个月真实世界前瞻试验中累计发现15例原本被临床漏诊的恶性肿瘤，配合临床使用可将阅片耗时降低27%、病灶识别敏感性提升11.5%。
肝癌是我国病死率最高的恶性肿瘤之一，临床数据显示，直径小于2厘米的早期小肝癌术后5年生存率可达80%以上，但由于病灶体积过小、易被肝硬化等基础病变影像干扰，早期漏诊率长期居高不下，很多患者确诊时已经进入中晚期，错失最佳治疗窗口。
我国每年肝癌新发病例接近40万例，但整体早期诊断率不足30%，其中1厘米左右的微小病灶漏诊率超过40%。一方面这类病灶的影像特征极不明显，容易和肝脏良性结节、脂肪肝、复杂解剖结构混淆；另一方面临床放射科医生日均阅片量超过百例，注意力常被体积更大的原发病灶吸引，很容易忽略尺寸极小的早期癌变或肝转移病灶，基层医院由于资深医师资源不足，漏诊率还要更高。
此次发布的DAMO LiON采用了改进的神经网络架构，和传统影像AI只聚焦局部特征不同，该模型同时建模病灶特征与全肝的解剖位置关系，还保留了病灶边缘的细微纹理边界，能够融合多期增强CT的影像信息，捕捉到常规阅片容易忽略的微小异常。
在两个月的真实世界前瞻试验中，该模型在数千例临床影像中找出了15例原本被放射科医生漏诊的恶性肿瘤，其中绝大多数都是直径1厘米左右的微小病灶，这些患者后续都通过病理确认得到了及时治疗。对照试验数据显示，配合该模型使用，放射科医生的阅片耗时降低27%、恶性病灶识别敏感性提升11.5%，即便是初级职称的放射科医生，诊断精度也可以接近资深主任医师的水平。
此次研究成果刊发于《自然·医学》，也标志着医学影像AI的价值已经从“辅助提效”转向“补漏纠错”，相当于给临床阅片流程加了一道独立的安全校验环节。
据了解，研发团队接下来将推动该模型在国内基层医院的落地应用，同时还会基于同款技术架构拓展到肺癌、胃癌等其他高发癌症的早筛场景，填补基层医疗的诊断能力缺口，进一步提升高发癌症的早期诊断率。
滇公网安备 53252802528133号