达摩院联合盛京医院推出肝癌AI诊断模型DAMO LiON，登上《自然·医学》

8月24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宣布，研发出肝癌诊断AI模型DAMO LiON（Liver DiagnOsis Network）。该模型可通过分析增强CT影像，精准识别微小肝脏癌变病灶。相关研究论文已于8月19日发表于国际顶级学术期刊《自然·医学》（Nature Medicine）。

据《自然·医学》发表的论文显示，DAMO LiON是一款基于增强CT的AI系统，支持灵活的多期相处理、临床数据集成和工作流程兼容的肝脏恶性肿瘤诊断。模型训练使用了6,443名患者的数据，并在涵盖22,251名患者的多中心和真实世界队列中进行了回顾性验证。验证结果显示，DAMO LiON诊断恶性肿瘤的AUC（曲线下面积）达到0.975（95% CI: 0.971-0.979），在脂肪肝（AUC 0.971）和肝硬化（AUC 0.924）患者中同样保持了稳健的性能。

研究团队随后在一个涉及10,333名患者的真实世界前瞻性单臂试验中，将DAMO LiON作为“AI安全员”部署到临床日常工作流程中。试验达到了主要终点，AI诊断的AUC为0.952（95% CI: 0.942-0.961）。在为期两个月的试验中，AI共分析了1万多名患者的增强CT影像，辅助医生发现了51处此前被遗漏的可疑病灶，其中15处被证实为恶性肿瘤。这些被遗漏的病灶绝大部分为1厘米左右，具有“小、淡、偏”的特点——平均直径约1厘米，与肝脏组织对比度低，或位于较为罕见的解剖位置。这些发现直接推动了37份放射科报告的修改和22例病例升级至多学科团队（MDT）讨论，帮助患者及时获得了手术或药物治疗。

技术优势显著，有效提升诊断效率

DAMO LiON不仅能精准识别原发性肝癌，更擅长揪出容易被忽视的肝转移瘤。研究表明，AI模型识别恶性肿瘤的准确率高于放射科医生。在AI协助下，医生的阅片时间平均减少了27% ，对恶性肿瘤的检测敏感性提高了11.5% ，有效减少了漏诊；初级医生在AI辅助下可达到资深医生的诊断水平。

在技术层面，DAMO LiON采用了改进的网络架构，能有效捕捉病灶与整个肝脏的关系，并保留局部纹理和边界，提升了在脂肪肝、肝硬化等困难病例上的表现。此外，AI还能将不同期相的影像进行迭代融合，捕捉像素级差异，精准识别增强CT扫描中“一闪而过”的微小病灶。

达摩院医疗AI布局再结硕果

达摩院自2017年成立起便布局医疗AI，在行业内率先提出用AI识别医学影像中人眼难以察觉的细微病灶。此前，达摩院已先后研发出基于平扫CT的胰腺癌筛查AI模型DAMO PANDA、胃癌筛查AI模型DAMO GRAPE、肠癌筛查AI模型DAMO COCA等。相关成果已三次登上《自然·医学》，并进入国家药品监督管理局的创新通道，获美国FDA“突破性医疗器械”认定。DAMO LiON是达摩院在医疗AI领域的又一重要突破。