26名放射科医生跟AI比了一次,23个输给它

昨天晚上刷到一篇 Science，我一开始没当回事。医学影像AI的论文太多了。

往下翻到那个人机对比的表格，我坐直了。14家医院，26名放射科医生。

模型的平均表现，优于其中23名。

先把话说在前面：我不想写那种「AI医生来了，放射科完蛋了」的东西。

那种文章我自己就读过。回头看全是断章取义。

这次不太一样。不一样在哪，我写在下面第四节。

它到底做了个什么东西

9月17日美东时间在线发表，9月18日上了《Science》正刊。阿里达摩院联合浙大一院等单位做的，模型叫 DAMO RADAR。

面向腹部增强CT，覆盖18个腹部解剖结构、146种病症和影像学表现。

研发方的原话是：这是首个达到专家水平的通用医学影像AI模型。同时开源。

重点在「通用」这两个字。过去的路子是专病专做——肺癌一个模型，肝癌一个模型，胰腺癌再单独来一个。

它走的是另一条：先做器官级的解剖学配准，把不同病人的同一个器官摆到能对上的位置，再让模型在这个统一坐标里学。

这么做的直接结果是，能力从「一种病一个模型」，变成了「一次扫描全腹排查」。

（顺带承认一句：「配准」这个词我今天特意翻了半天才敢用。做影像的同行要是觉得我用岔了，评论区骂我，我改。）

数字是这个样子的

三组队列，我一条条抄下来。

浙大一院自己的连续队列：39,160例，平均 AUC 0.913。

8家中心的外部验证：24,239例，平均 AUC 0.895。

14家医院、26名影像科医生参与的人机对比：模型平均表现优于其中23名。

另外，肝癌、胰腺癌、胃癌、结直肠癌对着病理金标准测，AUC 落在 0.891 到 0.984 之间。

还有一组我觉得比前面都值得看：在没有专门训练过的急诊场景里，约2.7万例、17种急腹症，平均 AUC 还有 0.904。

39,160例到底是多少？我按一个放射科医生一天读30例腹部CT、一年250个工作日算，大概7,500例。

也就是说，光第一个队列的量，相当于一个医生连读五年多。

这个数字我自己算完之后愣了一会儿。

泼冷水的部分

下面这段，如果你想只看热闹，可以跳过。但我认为这四句才是这篇论文真正的价值。

第一，0.913是个平均数。146种病，常见病样本多，罕见病可能就几十上百例。0.891到0.984这个区间本身就说明事：有的病它很行，有的病它也就那样。平均数，是会替弱势项目打掩护的。

第二，换个医院就掉：0.913 → 0.895。掉了0.018，听着不大。但这恰恰是所有落地的分水岭。设备换了、层厚变了、造影方案不一样、人群构成也不一样。

张江那个会上有位同行说了句很像的话：模型面对没见过的东西，性能会衰减。放这儿挺合适。

第三，「赢了23名医生」这句话必须说全。

它的完整表述是：在这26位参与对比的医生里、在这个数据集上、按平均表现算。它不等于「AI比放射科医生强」。你要是把它读成后者，那是标题党的读法，不是论文的读法。

第四，那两个提效数字，我也留了个心眼。

诊断敏感性提升10%，平均阅片时间缩短约30%。注意口径——这是「辅助阅片」，不是「机器单独阅片」。这两个数字是人机协作的结果，不是机器单干的结果。

而且，时间省下来30%，是不是就意味着以后少招人？我不确定。也许它意味着把以前没时间看的旧片子翻出来重看。

这笔账我到现在也没算明白，所以不给你一个确定的答案。

那它真正改变的是什么

1. 门槛从算法转到了数据。

模型开源了，代码能下。你复现不了的从来不是那几行代码，是那39,160例带病理对照、清洗过、标注过的腹部CT。接下来谁手上有干净的临床数据，谁才拿到下一轮的入场券。

2. 专病模型这条赛道在塌。

如果你手里正做一个「某某癌影像预测」的课题，先想清楚一件事：跟这种走器官级配准的通用模型比，你的增量在哪？是更细的亚型、某个罕见表现、还是一支别人没有的随访队列？

如果只是换个数据集再跑一遍——我知道这话难听——含金量在往下掉。开题前想清楚，比中期才发现白干要强。

3. 短期最值钱的，是能把它接进工作流的人。

敏感性+10%、时间−30%，前提都是「人机协作」。会用的人在涨，不用的人原地站着。

最后

我知道评论区一定会有人说：又是阿里发的稿。

这话我不反驳。数据确实是研发方给的，论文口径就是论文口径。

但我想问的是另一件事。

模型开源的那一天，你觉得下一轮拼的是什么？还是算法吗？

文中数据核对自 DAMO RADAR 论文（Science，2026年9月17日在线发表）及中国新闻网、新智元等公开报道，截至2026年9月20日。AUC、人机对比结果与提效幅度均为论文及研发方自述口径，不同队列差异较大，具体以正式论文为准。本文不构成任何诊疗或用药建议，亦不构成投资建议。