Science | 阿里与浙大一院研究团队新突破：专病模型做不完的腹部CT

Science | 阿里与浙大一院研究团队新突破：专病模型做不完的腹部CT，一个通用系统把146项发现的AUC做到0.913

2026年9月，阿里达摩院联合浙江大学医学院附属第一医院团队，在《Science》发布重磅研究成果——RADAR腹部CT通用AI诊断模型，突破了传统医学影像AI“单病单打、难以通用”的行业瓶颈，攻克了腹部CT诊断这一医学影像领域的核心难题。

过往临床影像AI多为单病种专病模型，仅能适配肺结节、骨折等单一检测场景，而腹部CT器官复杂、病灶隐蔽、病种繁多，长期存在AI诊断空白。RADAR创新摒弃人工切片标注模式，通过解剖结构拆解与图文对齐技术，依托超42万例临床腹部CT数据训练，实现单模型覆盖18类解剖结构、146项影像异常发现。

该模型性能表现优异，内部临床队列平均AUC达0.913，八大基层外院验证AUC稳定在0.874–0.912，即便未经过急诊数据训练，急腹症诊断AUC仍可达0.904，远超现有同类通用模型。临床实测显示，RADAR可将放射科医生阅片效率提升30%，诊断敏感度提升10个百分点，有效缩小高低年资、上下级医院的诊断水平差距。

不同于商业化医疗AI产品，RADAR是可核验的通用影像AI技术验证成果，目前已开源模型权重。该研究首次证明通用AI可落地高难度腹部CT诊断，为破解医疗影像AI碎片化、基层诊断能力不足的行业痛点提供了全新技术路径。