肝癌AI模型跑了两天，捡回来的那15例才是重点

我花了两天试了一下达摩院这个肝癌AI模型，不过不是在自己电脑上跑的。上周约了个体检中心的影像科朋友，他们跟达摩院有合作，平扫CT的数据流里已经挂了这套DAMO LiON。我跟着看了一下午，又远程聊了两天。

说下背景，这个模型不是干那种「看片子出报告」的活，它是做筛查的。你做完CT，影像先过一遍AI，它圈出几个可疑区域，提示医生重点看。朋友的原话是「以前一屏40个病例翻过去，现在它帮你先筛一遍，你只需要盯着有标记的那几层」。

界面很简单，就是影像浏览器嵌了个分析面板。导入CT序列，跑大概两分钟出结果。肝脏区域会被渲染成一坨半透明的模型，上面标着几个颜色深浅不一的点，对应可疑病灶的置信度。操作上没有门槛，但实际跑的时候我发现一个事：模型对「被漏掉的」东西敏感，不等于它什么都能看见。朋友给我看了两组片子，一组是模型标记了三个小病灶，医生复查后确认两个是囊肿，一个是血管瘤，良性。另一组是模型全程沉默，但医生肉眼发现了一个边缘模糊的低密度区，最后诊断是早期肝癌。

对，这个模型没事一声不吭，不等于真的没事。它给自己划了一个边界，只报它最有把握的那一部分。

第三天我拿到了他们这两个月试用期的统计，新闻里说发现了15例原本被遗漏的恶性肿瘤，我朋友这边就贡献了3例。我特意翻了这3例的影像，都是1厘米上下的病灶，放在整片肝脏里，说实话肉眼找起来是真费劲，有的甚至藏在血管断面旁边，灰度对比度很弱。但更让我在意的是反而不是模型怎么找到的，是之前为什么会漏。

漏诊的原因其实很朴素：体检中心的阅片量太大了，一个医生一天看上百份CT，注意力撑不住。AI的好处是它没有疲劳曲线，每张片子的注意力都拉满。朋友说得挺直白：「以前我们靠流程兜底，现在它算是第二双眼睛，而且这双眼睛不眨眼。」

回头看，这个模型最打动我的不是技术多惊艳，而是落地姿态选对了。它没有说要取代医生，也没有搞什么「十分钟出诊断报告」的噱头，它就老老实实当一个阅片辅助，在医生和患者中间补一道筛子。

我现在的判断分两面。好的一面：如果接入体检流程，等于是给每个做CT的人免费多了一次高年资医生级别的复核，而且成本可以压得很低。对于肝癌这种早期发现和晚期发现预后天差地别的病，这个价值不能只用钱算。从行业周期看，达摩院「一扫多查」的思路已经跑通了胰腺、肠、胃、肝几个癌种，后面大概率是奔着「一次CT，查一排癌」去的，这个方向我是真信。

不放心的一面：目前它能在真实临床里大规模铺开，卡点其实不在模型准确率。我朋友那边头疼的是两件事：一是假阳性会拉高医生的复核工作量，二是责任边界还没完全理顺。AI说「这里可疑」，医生看了说没事，万一真漏了，算谁的。这事说到底不是技术问题，是体系问题。

适合谁，我大概画个像：体检机构、基层医院、年迈父母每年做常规体检的家庭。不适合谁呢，冲着「AI确诊」去的人，趁早换个期待。

一句话总结：DAMO LiON是个不错的筛子，但决定它价值的，最后还是接住它的那张手。