#AI
阿里 DAMO 开源腹部 CT 模型 RADAR
阿里 DAMO Academy 放出了 RADAR(Rapid Abdominal Diagnosis with AI and Radiology),一个面向腹部增强 CT 的解剖感知视觉语言模型。
作者报告它在 **146 项图像发现上平均 AUC 0.913**,外部中心 0.895、急诊 CT 0.904,训练用了 424,911 次检查、约 150 万图文对，覆盖 18 个解剖结构。
💡 为什么值得看146 项腹部 CT 发现平均 AUC 0.913,26 名放射科医师读片实验中灵敏度提升约 10%。但仍是回顾性研究模型，无 NMPA 获批。
查证
来源档案
Ground Truth
医疗 AI 方向的垂直新闻站，逐条核对官方模型卡与 Science/AAAS 发布材料后成文，并附引用格式。
非一线权威媒体，但行文区分了作者报告值、外部中心值与读片研究数字，并主动标注 0.913 是 AUC 非诊断准确率、未发现 NMPA 批准。属二手整理，参数以官方模型卡为准。
延伸阅读
原文把最强反驳放在临床而非算法：回顾性 benchmark 加读片实验无法覆盖换机器、换人群、患病率变化、工作流压力与责任归属。想判断这个模型离落地还有多远，这段是内核。