达摩院肝癌AI模型，临床用起来什么样

我花了两天试了一下达摩院刚发的肝癌诊断模型 DAMO LiON。严格说不是我去开CT机扫病人，是把手头一批脱敏的肝部影像数据，跑了一遍这个模型的公开验证流程，又翻了两天论文和演示。算是从产品经理的视角，替临床医生先趟一遍路。

先说背景。我做了几年医疗影像AI，在联影那会儿天天跟放射科医生泡在一起，太知道他们的痛点。肝脏病灶难找，尤其是在1厘米上下的小结节，藏在血管和胆管中间，亮度对比又低，看漏太正常。所以达摩院这个方向，我第一反应是这事值得关注。

上手这块，数据准备比我想象的干净。整条管线是CT影像输入，模型先做肝脏分割，再逐层扫描找可疑结节，最后按恶性概率排序输出坐标。对放射科来说，相当于多了个不知疲倦的二读医生，专门盯小病灶。我试跑下来，对于1厘米左右的结节确实敏感，那种要放大三遍才看得清的模糊影子，模型第一遍就标了疑似，标记框还挺准。

两个月前瞻临床，15例原本被遗漏的恶性肿瘤被找出来，绝大部分是1厘米左右。论文发在《自然·医学》。

这个数字分量不轻。做医疗AI的都知道，回顾性测试做得好不稀奇，前瞻性试验里真能捞出漏诊病例，才说明有实际价值。

踩坑也有。一个问题是假阳性。模型敏感度高，代价就是会标出一堆良性结节让你复查，对高年资医生来说这些大多一眼能排除，但会多花时间。另一个是工作流衔接。系统要嵌进现有PACS（影像归档系统）要改流程，不是打开网页就能用，这块医院信息系统那帮人得先忙一阵。还有一个，硬件部署在院区还是云端，对数据安全要求高的三甲医院，可能还得单独谈。

优点	缺点
小病灶敏感度高，能捞漏网	假阳性偏多，增加复审量
论文数据扎实，《自然·医学》背书	部署要改现有影像流程
大部分医院CT设备可直接用	数据和隐私部署方案需单独谈

结论看需求。三甲医院肝胆外科、体检中心，作为肝癌早筛的辅助工具，值得试用，对胃口。县市级医院缺高年资影像医生，这个得当主力使，但前提是培训跟上。至于普通体检人群，等它进体检套餐再说不迟，现在还是临床验证阶段。

一句话总结：AI阅片早就不是概念了，关键是有没有把1厘米的小病灶当真事去死磕，达摩院这次算是咬在正地方了。