九月才过一半，杭州那边就甩出一张让硅谷头疼的牌。
9月18号，阿里达摩院拉上浙大一院，整出了全球头一个能跟影像科专家掰手腕的通用医疗AI——DAMO RADAR，腹部18个器官一把抓，146种病症全认得，论文直接发在《科学》上。

不是单病种小打小闹，一个模型管全套，更让人意外的是，代码权重全给开源了。

别觉得登个学术期刊不算什么新鲜事，《科学》作为全球自然科学领域的顶刊，能在上面发一篇完整的研究成果，是很多科研人员熬一辈子都未必能达成的目标。

医疗影像 AI 方向更是难上加难，全世界相关研究做了十几年，真正能摸到《科学》发表门槛的，一只手都数得过来。

过去全球医疗 AI 行业，一直卡在一个死循环里出不来。

行业里都叫 “一病一模”—— 想做个能识别肝癌的 AI，就得单独找数据、找医生标注、单独训练模型，前前后后没个两三年根本做不出来。

换个胰腺癌，再重来一遍；再换个肾结石，还得重来一遍。

钱砸进去不少，时间耗得更多，可临床里的病人不会按着单病种生病。

一张腹部 CT 扫下来，肝脏、胰腺、肾脏、肠道可能都有问题，单病种 AI 到了真实诊室里，根本不够用。

达摩院这个团队，直接换了条路走。

他们没跟着死磕单个病种的标注，而是用视觉 - 语言学习的思路，让 AI 直接学习 CT 影像和对应诊断报告之间的关联。

考虑到 CT 图像信号弱，常规方法不好使，团队又把三维 CT 拆成一个个器官单元，让影像和报告在组织层面精准对应上，不用再靠人工一点点标注病灶。

就这么一个思路转变，把全行业卡了十几年的瓶颈，直接给捅破了。

说一千道一万，治病的东西，准不准才是硬标准，研究团队用三万九千多份真实临床 CT 做了验证，覆盖 146 种病症，模型的平均诊断 AUC 达到 0.913。

后来他们又找了 26 位不同资历的放射科医生做对比测试，结果这个 AI 的综合表现，比其中 23 位医生都要好，实打实达到了资深影像专家的水平。

不光准，速度还快，处理一份腹部 CT 的时间比人工少了近三成，还能把漏诊的概率降低一成。

有人担心这是抢医生的饭碗，真不至于，浙大一院放射科主任肖文波有三十多年临床经验，她都说这是影像科医生盼了多少年的东西。

腹部 CT 是公认最难读的片，软组织密度相近，病灶藏得深，就算是中年资医生，写一份完整报告也要二三十分钟。

年轻医生经验少，稍不注意就容易看漏。

有了这个 AI 当辅助，相当于每个医生身边都多了个专家帮忙把关，年轻医生能快速成长，老专家能省出精力处理更复杂的疑难病例。

最让行业意外的是，这个模型直接选择了开源。

模型、代码、框架全部公开，全世界的医疗机构和科研团队都可以免费使用。

换做不少海外科技公司，这样的技术攥在手里，光专利授权费就能收得手软。

中国团队直接把通用医疗影像 AI 的门槛给拉了下来，哪怕是基层的县级医院，只要有条件，也能用上专家级的影像诊断能力。

这也是为什么说硅谷会坐不住。

过去美国在医疗 AI 领域一直是领跑的位置，几家头部企业前前后后烧了几十亿美金，折腾到现在也还是在单病种模型里打转，通用型医疗影像 AI 连成熟的方案都没拿出来。

本来行业默认这条路还得摸索个十年八年，结果中国团队直接跑到了终点，还把技术开源给全行业。

等于人家还在按部就班攒项目，你直接把赛道的规则都改了，换谁都得慌。

往深了说，这事的意义远不止科技圈的你追我赶。

咱们国家大医院人满为患，基层医院又缺好医生，很多地方的老百姓拍个 CT，还要拿着片子跑几百公里去大城市找专家看，耽误时间也耽误病情。

这个技术普及开，县城医院拍的片子，也能有省级专家的诊断水准，普通人在家门口就能享受到好的医疗资源。

技术的价值，最终还是要落到普通人的生活里。

这些年总有声音说，中国 AI 只会做应用层的热闹，碰不了硬核的基础研究。

这次 DAMO RADAR 登上《科学》，就是最实在的回应。

我们不光能做消费互联网的创新，在关系到全民健康的医疗科技领域，一样能走到世界前列。

硅谷的焦虑不是没来由的，毕竟习惯了当领头羊，突然发现之前跟在后面的人，已经先一步摸到了下一代技术的门。

但这只是个开始，中国 AI 在硬核科技领域的脚步，还会越走越稳。