3月到9月，从30种到146种，这个速度让大洋对面有点坐不住了

医疗AI这个赛道，今年迎来了两个标志性事件，放在一起看特别有意思。

3月，斯坦福发了一个叫Merlin的模型，能识别腹部CT上30种疾病。美国媒体很兴奋，管它叫"CT界的ChatGPT"。但圈内人都知道，30种病对一个通用模型来说只是起步，而且它的准确率还没到医生平均水平。能发《自然》，更多是因为思路新，不是因为活儿硬。

9月18号，达摩院联合浙大一院等机构在《科学》上发了DAMO RADAR——一个模型覆盖腹部18个器官、146种病症，AUC做到0.913，是国际上首个达到影像科专家水平的通用模型。

14家机构26名医生参与跟AI对比做试验，其中包括11名资深医生和15名初级医生，分别阅读300名患者的CT影像，最后只有3名资深医生略优于AI。在人机协作试验中，在AI辅助下，影像科医生的准确率提高了10%，平均阅读时间则大幅减少了30.7%。

半年时间，从30种到146种，从"不到医生平均水平"到"专家级"。这个加速度，不是简单靠砸钱能堆出来的。是路线、数据和多年临床苦功一起攒出来的。

关键在于方法论的突破。过去行业做医疗影像AI，走的是"一病一模"——每种病单独训练一个模型，做一个要两三年。照这个速度，146种病得做几百年。DAMO RADAR换了条路，首创"器官级细粒度对齐"，按肝、胆、胰、胃肠等器官分别理解，不是整个腹部混在一起看。等于一个模型内部装了18套"专科视角"，同时运转。

这个技术路线一旦跑通，扩展就不再是线性增长，而是指数级跳跃。今天146种，明天可能300种、500种。斯坦福走的是"先做出来再说"，中国团队走的是"先把路修对再加速"。路对了，速度自然来。

更关键的是，这条路修好了不锁起来——模型代码全开源。全球任何团队都可以在这条路上继续往前跑。从30到146只用了半年，从146到更多，也许比想象的更快。一个模型跑通，胜过十个模型赶路——这就是中国AI路线的真正力量。