8月24日，医疗AI筛查领域迎来全新技术突破，阿里巴巴达摩院联合中国医科大学附属盛京医院等多家机构，共同研发出针对肝脏癌变的智能诊断模型DAMO LiON。这款全新AI工具可依托CT影像数据，精准识别体积微小的肝脏恶性病灶，有效弥补传统人工阅片的筛查短板，相关研究成果已成功刊发于国际顶尖医学期刊《自然·医学》（Nature Medicine）。

肝脏是人体恶性肿瘤高发部位，临床病例主要分为两类，分别是肝脏原生的原发性肝癌，以及由肠癌、胰腺癌等其他器官肿瘤扩散引发的肝转移病灶，其中肝转移病例在临床中更为普遍。对于各类肝脏肿瘤病症而言，早筛查、早诊断是提升治疗效果、改善患者预后的关键。不过早期肝脏癌变病灶识别难度极大，病灶尺寸普遍偏小，再加上肝硬化、脂肪肝等肝脏基础病症干扰，以及肝脏复杂的解剖结构影响，即便是增强CT影像，也容易出现人工漏诊情况。尤其是肝转移病例，医生的注意力往往集中在原发病灶，极易忽略隐蔽的微小肝脏转移病灶。

针对临床阅片的行业痛点，阿里巴巴达摩院依托多年医疗影像AI技术积累，研发出DAMO LiON肝癌诊断AI模型，作为智能辅助诊疗的“AI安全员”赋能临床诊断。该模型不仅能够精准甄别原发性肝癌，更擅长捕捉极易被人工忽视的肝转移微小病灶。临床测试数据显示，这款AI模型对肝脏恶性肿瘤的识别准确率优于普通放射科医生。在AI辅助阅片的加持下，医生整体阅片时长缩短27%，恶性肿瘤识别敏感度提升11.5%，大幅降低漏诊风险，同时能够帮助初级医生快速补齐诊疗经验短板，达到资深医生的诊断水准。

为验证模型的实战能力，研究团队开展了为期两个月的真实世界前瞻性临床试验，将DAMO LiON模型落地医院日常阅片场景投入实战应用。临床应用设置了多层复核机制，当AI诊断结果与医生初诊结论存在偏差时，病例将交由资深放射科医生二次复核，疑难病例还将启动多学科团队（MDT）联合会诊。在为期两个月的试验周期内，该AI模型累计完成超1万名患者的增强CT影像筛查，成功识别出15例此前被人工筛查遗漏的肝转移恶性病灶，帮助对应患者及时调整治疗方案，开展手术或药物干预。

临床试验中不乏典型疑难病例，一名65岁膀胱癌复查患者，肝功能指标与肿瘤标志物检测结果均处于正常区间，人工初诊仅检出肝脏钙化灶，未发现癌变迹象，而DAMO LiON模型精准识别出肝转移病灶，提醒医护人员修正诊断结论，并为患者提供化疗治疗建议。

达摩院算法专家闫轲介绍，此次AI模型成功检出的遗漏病灶，大多具备“小、淡、偏”的特征，病灶平均直径仅1cm，与正常肝脏组织对比度较低，且多生长在肝脏少见解剖位置，人工识别难度极高。技术层面，DAMO LiON模型通过优化网络架构设计，既能全局匹配病灶与肝脏整体结构的关联特征，又能精准留存局部纹理与病灶边界细节，大幅提升脂肪肝、肝硬化、术后肝脏等复杂疑难病例的诊断精度。同时，模型可迭代融合多期相影像数据，捕捉不同时段影像的像素级细微差异，精准锁定增强CT扫描中隐蔽性极强的微小癌变病灶。

据了解，达摩院自2017年成立便深耕医疗AI赛道，聚焦医学影像细微病灶识别技术研发，先后推出适配平扫CT的胰腺癌、胃癌、肠癌筛查AI模型，技术成果已三次登上《自然·医学》期刊。相关产品不仅进入国家药品监督管理局创新审批通道，还获得美国食品药品监督管理局（FDA）“突破性医疗器械”认定。此次DAMO LiON模型的落地应用，标志着达摩院医疗AI技术从传统疾病筛查领域，正式延伸至精准临床诊断赛道，进一步拓宽智能医疗的应用边界，为患者提供更高效、精准的诊疗保障。

本文由智算芯能前沿网编辑整理，转载请注明出处。