问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
近日，阿里巴巴达摩院联合中国医科大学附属盛京医院等机构研发的肝癌诊断AI模型DAMO LiON，正式获国际顶级医学期刊《自然·医学》收录。该模型可通过增强CT识别1厘米级微小肝脏癌变及肝转移病灶，在为期2个月的真实世界试验中辅助阅片超1万名患者，检出15例原漏诊恶性肿瘤，可将医生阅片时间缩短27%、肿瘤诊断敏感性提升11.5%。
肝癌是我国高发恶性肿瘤之一，由于早期病灶体积小、特征不典型，加上肝转移癌来源复杂，临床阅片时极易出现漏诊，一旦错过早诊窗口期患者5年生存率将不足12%。此次达摩院联合盛京医院推出的AI模型，正是瞄准这一临床痛点研发。
在为期两个月的前瞻临床试验中，DAMO LiON共辅助放射科医生完成了1万余名患者的增强CT阅片工作，累计检出15例此前被人工漏诊的恶性肿瘤，绝大多数病灶直径仅约1厘米，其中不乏特征极不明显的肝转移癌。这批患者在AI提示病灶后均及时获得了手术或药物干预，避免了病情进展。
试验数据同时显示，引入AI辅助后，医生单例阅片时间平均减少27%，对肝脏恶性肿瘤的诊断敏感性提升11.5%；尤为值得关注的是，初级放射科医生在DAMO LiON的辅助下，诊断准确率可达到资深主任医师的水平，这一结果为基层医院提升肝癌诊断能力提供了可行路径。
和通用医学影像AI模型不同，DAMO LiON针对肝脏肿瘤的识别痛点做了专属架构优化。
据研发团队介绍，该模型采用了改进的深度学习网络架构，同时兼顾局部病灶特征与整体肝脏的形态关系，既保留了病灶的局部纹理、边界等细粒度信息，又能融合增强CT不同期相的扫描影像，捕捉微小病灶在造影剂作用下的动态变化，大幅提升了脂肪肝、肝硬化等复杂背景下的病灶识别准确率，尤其擅长发现人工阅片极易遗漏的小体积肝转移癌。
此前多数医疗AI模型的验证数据多来自回顾性试验，即对已标注的影像做识别测试，和真实临床场景存在差距，而DAMO LiON此次获得《自然·医学》认可，核心在于其效能经过了真实世界前瞻试验的验证，数据可信度更高。
目前该模型正在推进医疗器械三类证的申报工作，后续落地后有望覆盖各级医疗机构，缓解优质放射科医生资源分布不均的问题，提升我国肝癌的早诊早治率。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号