一句话看懂：阿里达摩院联合多家医院开发的肝癌诊断AI模型DAMO LiON登上《自然·医学》，在两个月真实临床试点中，从超过一万名患者的影像里发现了15例此前被漏诊的恶性肿瘤。这项研究证明了AI在医学影像判读中不仅提速，还能直接补上肉眼容易忽略的漏诊缺口。
事件核心：发生了什么
据AIbase报道，达摩院与盛京医院、中国医科大学等机构合作研发的肝癌诊断AI模型DAMO LiON，近期发表于国际医学期刊《自然·医学》。该模型通过增强CT影像识别肝脏微小病灶，尤其是肝转移瘤这类容易被漏诊的病变。在一项为期两个月的真实世界前瞻性临床试验中，DAMO LiON辅助超过一万名患者的影像判读，找出15例此前被漏诊的恶性肿瘤，这些病灶直径大多在1厘米左右，相关患者随后及时接受了手术或药物治疗。
论文数据显示，使用AI辅助读片后，医生的读片时间缩短了27%，对恶性肿瘤的敏感性提高了11.5%。此外，年轻医生在AI辅助下能够达到高年资医生的诊断水平。DAMO LiON采用了改进的网络架构，在保留局部纹理和边界信息的同时，建模病灶与整个肝脏的关系，并整合增强CT不同扫描阶段的影像，以捕捉小病灶在各期相中的动态变化，从而提升对脂肪肝、肝硬化及术后肝脏等复杂病例的识别能力。
为什么重要
这并非一次实验室里的指标演示，而是AI影像模型在真实临床流程中直接产出可量化结果的案例。肝癌早期病灶往往体积小、边界模糊，尤其在合并脂肪肝或肝硬化的背景下，人工判读的漏诊率居高不下。DAMO LiON的临床数据说明，AI辅助并非只是“锦上添花”的效率工具，而是能够实质性减少漏诊、改变治疗窗口的决策支持系统。对医学AI行业而言，登上《自然·医学》意味着该模型在数据质量、实验设计和临床验证强度上通过了顶级同行评审，也为后续同类产品的注册审批和医院采购提供了更具说服力的参考依据。
对用户/开发者/创作者的影响
对医院和影像科医生而言，DAMO LiON的价值在于把读片时间压缩近三成，同时让低年资医生快速接近专家水平，这在医疗资源分布不均的背景下尤其有现实意义。对AI开发者和医疗AI企业来说，该模型的技术路线值得关注：它没有简单堆叠更大规模的网络，而是在架构中引入病灶与全肝关系的建模，并对多期增强CT进行融合处理。这种强调临床场景适配而非单纯追求精度的做法，可能成为医疗影像AI产品设计的参考范式。目前公开信息显示，模型尚未披露商业化落地的具体时间表，但其研发路径和验证方式，对后续同类产品的数据采集、标签规范以及多中心试验设计都有借鉴价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，DAMO LiON是否会在阿里云上以API或医疗影像解决方案的形式对外开放，将直接决定其能否从单中心研究走向规模化部署。第二，国家药监局对AI辅助诊断软件的审批节奏是否会因这项研究而加速，是判断国内医疗AI商业化进程的重要观察点。第三，其他影像AI厂商是否会跟进“病灶-器官关系建模”这一技术方向，可能在未来一两年内影响肝脏影像AI赛道的整体竞争格局。此外，该模型在更多病种（如胰腺癌、肾癌）上的迁移能力，也值得持续关注。
来源：AIbase
