AGI最难一战，竟在医院！中国AI登上Science，医生不怕失业还催着上线

• 克雷西 发自 凹非寺
  量子位 | 公众号 QbitAI

AI正在横扫一切，但有块硬骨头，迟迟攻不下来，让无数人希望落空。

2016年，Hinton老爷子就预言：“人们现在就应该停止培养放射科医生。”他甚至认为，五年内，AI就会在医疗影像识别上超过放射科医生。

老爷子一生谨慎，但历史和他开了个玩笑。十年过去了，人们离AGI已经越来越近，但在医疗场景里，即使图像识别这样的AI新手村任务，依然是hard模式。

如果从IBM的Watson算起，在医疗上遭遇滑铁卢的AI专家数不胜数。

为什么医疗成了AI的阿喀琉斯之踵？

——对模型精度的极高要求，在别的领域，模型幻觉可以一笑了之，但在这里却是人命关天。

这也导致了医疗影像AI长期困在专用模型里。

直到今天，学术期刊的“王者”Science正式刊发一项来自中国的重磅研究：

DAMO RADAR，据介绍是全球首个专家级的通用影像AI模型。

这个模型，能看腹部18种解剖结构的146种病，比很多影像科医生看得还准。

而且模型、代码、框架，全开源了。

一个模型，看146种病

DAMO RADAR，全称Rapid Abdominal Diagnosis with AI and Radiology，面向腹部快速诊断的AI模型。

这个AI“雷达”，研发团队就是阿里达摩院，过去几年他们用AI识别CT中肉眼难见的早期癌症病灶，在胰腺癌、胃癌、肠癌等专病上取得重大突破，发表5篇Nature Medicine。

但做着做着，达摩院有些人觉得不对劲了。达摩院高级算法专家张建鹏说，一个病种啃下来至少两三年，人类疾病成千上万种，那他们搞一辈子都搞不完……

更棘手的是，真实世界里，病人不会只带着一种病来医院，对着专病模型问他是不是有这种病。事实上，一份CT影像里，很可能同时存在多种器官，多种病变。

达摩院联合浙大一院等全球众多医院向腹部CT发起冲击，希望AI能一次性识别出腹部各种疾病。

选腹部，是因为这是临床公认最难的影像场景。

浙大一院放射科主任肖文波介绍，年轻医生通常最害怕被分到腹部组。

因为腹部涉及消化系统、泌尿系统、生殖系统，肝胆胰脾肠道全挤在一起，肠道还盘绕整个腹腔，所有器官几乎都是软组织，密度接近，全靠肉眼对密度差的敏感度把病灶揪出来。

之前，已经有了针对肺结节之类的AI辅助工具，但腹部太复杂了，一直是个禁区，没人敢碰。

RADAR要做的，就是用一个模型覆盖整个腹部。

最终它覆盖了18种解剖结构、146种病，涵盖肝脏、胰腺、胆囊、肾脏、脾脏、肠道等主要器官，基本覆盖了临床常见病变。

对其效果，团队做了非常严格的多层验证。

在内部近3.9万例真实世界连续队列中，RADAR的平均AUC达到0.913。

AUC是衡量诊断模型区分患者和正常人能力的指标，1是完美区分，0.5等于瞎猜，超过0.9就算优异。

之后，团队又在来自8家外部医院的超过2.4万例CT上验证，这些案例覆盖不同地区、不同扫描设备，RADAR的AUC仍然达到0.895。

而且RADAR还泛化到了急诊场景。

急诊场景与一般门诊的区别是，由于时间紧急，来不及等造影剂发挥最佳效果，患者也不一定有能力配合，CT成像效果偏差。

RADAR的训练目标并未包括急诊，但测试时团队拿2.7万例急诊数据一测，结果AUC依然有0.904。

而且达摩院在肝癌、胰腺癌、胃癌、肠癌四种癌症的诊断上，还提高了对RADAR的要求。

在这四种癌症上，他们用来考验RADAR的依据，是“病理金标准”，也就是以病理活检结果作为Ground truth，确认影像判断准不准。

这个拔高测试当中，RADAR的AUC仍达到了0.891-0.984。

达摩院还做了一波人机对比。

这波对比共有来自14家医院的26名放射科医生参与，RADAR和TA们在同一批病例上各自独立诊断，结果RADAR的准确率超过了其中23名医生，只稍弱于3名资深医生。

与此同时，达摩院还测试了人机协同场景，发现医生在有AI帮助的情况下读片，整体敏感度提升了大约10%，平均阅片时间减少了30%以上。

“初级医生+AI”的配置，敏感性甚至超过了资深医生独自阅片。

那RADAR到底是怎么做到的？

过去的医疗影像AI用的是监督学习，简单说就是让医生一张一张地标注CT图像，然后AI照着标注学。

这种方法标注成本巨大，而且模型只能识别被标注过的那几种病，换一种就不认识了。

RADAR走了一条不同的路，叫视觉-语言对比学习。

医院里天然存在大量CT影像和对应的诊断报告，RADAR直接从影像和报告文本的对应关系中学习，不需要医生额外逐片标注。

这有点像医学生跟着主任查房，主任看片子的时候会说“肝脏有一个低密度灶，考虑血管瘤”，学生听多了，自然就知道什么影像特征对应什么诊断。

但直接把整张CT和整份报告对齐，效果很差。

团队一开始就试过这条路，结果发现模型只能学到一些粗糙的统计特征，建立不起来“哪个器官对应哪段描述”的关联。

因为一套腹部CT有几百张切片，包含好多个器官，真正有问题的可能只是某个器官上一个很小的病灶，如果让模型拿整张图去理解，关键信号就被大量正常组织淹没了。

这就涉及到了RADAR的核心突破——“器官级细粒度对齐”。

它先从CT中定位出肝脏、胰腺、胆囊、肾脏等各个器官，把一整套CT拆解成一个个器官单元，再把每个器官单元和报告中对应的描述精确对齐。

这一设计的灵感，来自放射科医生的真实工作方式。

医生看腹部CT时，也不会把整个腹部当一个整体扫一眼，TA们会依次看肝脏、胰腺、胆道、肾脏、肠道，一个器官一个器官地过。RADAR让AI也按这种方式去学习。

另一个创新叫自适应对比建模。

标准的对比学习默认把不同病人的特征严格区分，但在医疗场景里，如果两个人的肝脏都是健康的，就不应该被割裂看待。

同理，得了同一种病的两个患者，影像特征也应该被放在一起学习。

RADAR会根据这些医学知识，动态调整样本之间的距离。

而且论文里展示的Scaling Law曲线显示，随着数据增长，模型性能还在持续上升，曲线没有饱和的迹象。

帮医生“少漏一个病灶”

Scaling Law曲线还在涨，但眼下RADAR够到的能力，已经开始改变一线医生的工作节奏了。

“第一次看到RADAR的验证数据，我都不敢相信。”浙大一院放射科主任肖文波说，AI能在腹部这么多相似结构里一下子检出146种病，AUC还有0.9上下，完全超乎医生们的想象。

科室里开始沸腾，很多医生说：赶紧部署起来！很多外面医院的医生也闻讯前来，希望AI能帮助他们解决腹部CT这个头疼的问题。

肖文波干了三十多年影像，带着300多人的科室，科室每天处理几千份片子。

写一份腹部CT报告，哪怕中高年资的医生，没有20分钟下不来，一例CT包括数百张图像，挨个过。

这活儿她太清楚有多难了。

直到她发现RADAR接受了一次又一次验证，准确率还是差不多之后，她才真的服了。

影像科有句话叫“同病异影、异病同影”，同一种疾病可以长成完全不同的样子，不同的病又可能看起来一模一样。

肖文波坦言，一个医生可能要看几十万张片子才能把各种特征都见过一遍，可能穷其一生也见不到如此多的病例。

这恰恰是RADAR最大的价值，它补上了人类医生的盲区，能够帮他们少漏一个病灶。

尤其在良恶性鉴别这种生死攸关的场景，医生的压力非常大；这时候有了AI，就相当于随时有一个影像助手在手边，在医生犹豫的时候给一个补充性参考。

不过AI辅助也会带来一些隐忧。

这说的倒不是准确率，毕竟即使用AI，最后也有真人在一旁把关。

这个问题关乎的是未来医生群体的发展。

医生培养讲究影像逻辑思维，这种思维从理论到实践反复打磨，这个过程不能跳过。

年轻医生用了AI，报告可能会达到主任级水平，一旦形成路径依赖，反而把培养路径截断了。

但也不必过虑。

肖文波的想法，是让RADAR同时变成“一对一带教工具”。

她说现在科室300多人分布在好几个院区，过去那种老师坐旁边一份一份带着看的模式，已经很少了。

但AI可以替代这个角色，年轻医生按常规写完报告，再用AI做一次自我检测，哪个病灶漏了、哪个判断偏了，当场就知道。

就像随时有个主任站在旁边说，“哎，这还有一个病灶，你怎么没看见？”

这样，每个病例都变成一次交叉验证和学习的过程。

再往远看，RADAR的器官级对齐框架，也适配其他影像模态，只要有相关数据，MRI、PET、超声都可以成为迁移的目标。

而且这些东西，达摩院没有藏着，模型、代码、技术框架已经全部开源，任何团队都可以拿去复现、改进、迁移到自己的场景。

说到这里，其实已经不只是一个医疗AI的故事了。

RADAR背后的思路，是用一个通用模型，去解决一整个领域的问题。

医疗是所有行业里对精度要求最极端、对错误容忍度最低的场景，一个误判就可能改变一个人的治疗方案甚至生存期。

如果这套范式在这里都能跑通，那换到其他高精度场景，大概率也能适用。

达摩院资深算法专家张灵说，“Science极少发医疗影像AI的文章，因为它长期被当做工程技术问题。RADAR首次证明了通用的医疗影像AI是一条具有现实可行性的技术路线，改变了Science审稿人的想法，审稿人开始把它当作‘科学问题’来对待。”

RADAR能过这道门槛，说明这套方法经受住了最严格的同行评议。

回过头看，从达摩院几年前用PANDA模型攻克胰腺癌筛查难题，到今天RADAR登上Science，其实都是在求证AI到底能不能在最苛刻的真实场景里真正顶上去。

今天Science给出的答案，不只是对一个模型的认可，也是对一种可能性的确认。

它证明，用通用AI去啃最硬的骨头，这条路走得通。

论文链接：https://www.science.org/doi/10.1126/science.aec6129
开源地址：https://github.com/alibaba-damo-academy/damo-radar