阿里达摩院发布肝癌诊断 AI 模型 DAMO LiON：万例实测揪出 51 处漏诊病灶

肝脏是个出了名「沉默」的器官，等病人感觉不舒服再去检查，往往已经晚了。更头疼的是，即便做了增强 CT，脂肪肝、肝硬化或者复杂的血管结构也像迷雾一样，让哪怕经验丰富的放射科医生，也容易漏掉那些微小的早期病灶。

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（Liver DiagnOsis Network）正式亮相，相关研究成果登上了国际权威医学期刊《自然·医学》（Nature Medicine）。

这套系统不是停留在实验室的数据玩具，而是一个可以直接嵌入医院临床流程的诊断辅助工具。在临床测试中，它让医生的阅片时间直接缩短了 27%，恶性肿瘤检出的敏感度提升了 11.5%。

揪出 1 厘米大小的隐匿病灶

在一家医院做为期两个月、覆盖超过 10000 名患者的真实世界前瞻性临床试验中，DAMO LiON 表现得相当惊人：它成功揪出了 51 处此前被医生漏诊的确认病灶。

这其中还包括 15 处转移灶。更关键的是，这些病灶绝大多数平均只有 1 厘米大小。在癌症诊断里，1 厘米和几厘米的区别，往往就是能不能做手术、能不能救回一条命的差距。

它不仅能找原发性肝癌，还能揪出结直肠癌、胰腺癌等转移到肝脏的隐匿肿瘤。在面对复杂病例时，AI 的识别准确率有时甚至能超过单纯依靠人眼的放射科医生。

更接地气的一点在于，年轻医生有了这个系统的辅助，给出的诊断水准几乎可以直接媲美资深影像学专家。

怎么看清几秒钟就消失的病灶

在增强 CT 扫描中，有些极小的恶性肿瘤只在造影剂流过肝脏的某个瞬间短暂显现，几秒钟后就被周围组织掩盖了。

为了解决这个问题，达摩院在网络架构上下了功夫。DAMO LiON 能够建立病灶与整个肝脏之间的全局空间关联，同时死死咬住局部的精细纹理和组织边界。面对肝硬化或严重脂肪肝这种「背景噪音」极大的图像，表现依旧稳健。

更聪明的是，它会反复迭代融合多个不同时相的影像数据，在像素级别对比不同扫描时相之间的细微差异，专门捕捉那种转瞬即逝的微小病变。

这也是达摩院在肿瘤筛查领域布局的延续。从之前针对胰腺癌的 DAMO PANDA、胃癌的 DAMO GRAPE，再到结直肠癌的 DAMO COCA，这一次的 DAMO LiON 标志着他们的医疗 AI 正从早筛进一步深扎进具体的辅助诊断场景。

为什么重要

对于患者和基层医生来说，这款工具最实在的意义在于拉平医疗资源的不均衡。影像科资深专家的培养需要十几年甚至几十年，而大医院的读片医生往往超负荷工作，漏诊有时候不是水平问题，纯粹是疲劳所致。DAMO LiON 能够把阅片时间缩短近三分之一，还能把年轻医生的诊断水准托举到专家级，这意味着基层医院有了它，患者不用挤破头去一线城市大医院排队复核。

对医疗 AI 行业而言，这一步走得相当务实。前几年大家都在卷体检场景的早期筛查，但筛查出来的疑似结果终究要回流到医院做确诊，流程一旦断掉商业价值就大打折扣。达摩院把重点转向直接嵌入临床诊疗流程、解决多期相 CT 对比这种脏活累活，证明了大模型技术在垂直专业场景下的精准辅助比纯粹的生成式聊天更有临床价值。

不过在我们看来，它依然面临现实的考验。两万人的试验虽然扎实，但多期相影像融合对医院扫描设备的标准化程度要求极高；不同设备厂商、不同剂量的造影剂在实际部署中会不会影响像素级对比的灵敏度，还要看后续在更多不同层级医院落地时的泛化表现。即便如此，能在 1 万名患者中替医生多挽回 51 个早期转机，这项技术已经交出了一份很有分量的答卷。