阿里达摩院联合中国医科大学附属盛京医院研发出肝癌诊断AI模型DAMO LiON，通过CT影像精准识别1厘米左右的微小肝脏癌变病灶。在真实世界临床试验中，该模型帮助发现15例被遗漏的恶性肿瘤，辅助医生阅片时间减少27%，敏感性提高11.5%，相关成果已发表于《自然·医学》。

AI模型辅助诊断的最终效果

阿里达摩院研发的DAMO LiON模型在临床应用中展现了显著的诊断优势。通过辅助医生阅片，该模型不仅提高了对恶性肿瘤的识别敏感性（提升11.5%），还大幅缩短了阅片时间（减少27%）。在为期两个月的真实世界前瞻临床试验中，AI模型协助医生从1万多名患者的增强CT影像中，成功揪出15例原本被人类医生遗漏的肝转移恶性肿瘤，其中绝大部分病灶直径仅约1厘米。这些早期发现直接改变了患者的治疗方案，使其能够及时接受手术或药物治疗。

早期肝癌诊断面临的挑战

肝脏作为恶性肿瘤的高发部位，其诊断难点主要源于病灶的隐蔽性和复杂性。无论是起源于肝脏的原发性肝癌，还是从肠癌、胰腺癌等部位转移而来的肝转移癌，早期发现都至关重要。然而，由于早期病灶体积微小，且容易受到肝硬化、脂肪肝以及肝脏复杂解剖结构的干扰，即便在增强CT下，医生也极易看漏。特别是在肝转移的情况下，医生的注意力往往被原发病灶吸引，从而忽视肝脏内细小的转移病灶。

DAMO LiON模型的技术原理与优势

第1步：优化网络架构以捕捉病灶细节

DAMO LiON模型采用了改进的网络架构，旨在解决微小病灶“小、淡、偏”的识别难题。该模型能够同时捕捉病灶与整个肝脏的空间关系，并有效保留局部的纹理和边界信息。这种设计显著提升了模型在脂肪肝、肝硬化和术后肝脏等困难病例上的表现能力。

第2步：多期相影像迭代融合技术

为了精准捕捉增强CT扫描中“一闪而过”的微小病灶，DAMO LiON模型引入了不同期相组合的影像迭代融合技术。通过有效捕捉不同期相之间的像素级差异，模型能够更准确地判断病灶的增强特征，从而在复杂的肝脏环境中精准揪出微小恶性肿瘤。

临床部署与真实世界案例

第3步：建立AI辅助阅片与复核机制

研究团队将DAMO LiON模型实际部署到医院日常阅片流程中，建立了严格的复核机制。当AI模型与医生初诊结论不一致时，病例会自动交给资深放射科医生进行复核；必要时，还会升级至多学科团队（MDT）进行讨论。这种“AI安全员”模式既发挥了AI的高敏感性，又保留了人类医生的专业判断。

第4步：典型病例分析——膀胱癌肝转移的精准识别

在两个月的试验中，一名65岁曾患膀胱癌的患者复查时，其肝功能指标和肿瘤标志物均显示正常。医生初诊仅发现肝脏钙化灶，未做进一步处理。然而，DAMO LiON模型准确判断出该处为肝转移病灶，并提醒医生修改检查报告，建议进行化疗。这一案例充分证明了AI在识别那些指标正常但实际存在微小转移灶的病例中的关键作用。

总结与展望

阿里达摩院自2017年起布局医疗AI，先后研发出基于平扫CT的胰腺癌、胃癌和肠癌筛查AI模型，相关成果三次登上《自然·医学》。此次DAMO LiON模型的推出，标志着医疗AI能力从筛查领域正式拓展到诊断领域。通过精准识别1厘米左右的微小肿瘤，该模型有望帮助更多患者获得及时、准确的治疗，显著改善肝癌患者的预后。

以上就是阿里达摩院推出肝癌AI模型DAMO LiON，精准识别1厘米微小肿瘤的详细内容，更多关于阿里达摩院医疗AI技术的资料请关注本站其它相关文章！