阿里巴巴达摩院联合中国医科大学附属盛京医院等机构，最新研发出肝癌诊断AI模型DAMO LiON，该模型能够精准识别直径仅1厘米的微小肿瘤，为肝癌早期筛查与诊断提供了全新工具。
肝癌早期诊断的“痛”与“盼”
肝癌是全球致死率极高的恶性肿瘤之一，早期发现与治疗是提高生存率的关键。然而，传统影像学检查（如CT、磁共振）对微小病灶的识别能力有限，尤其是直径小于2厘米的肿瘤，常常因边界模糊、与周围组织对比度低而被漏诊。临床数据显示，超过70%的肝癌患者确诊时已处于中晚期，错过了最佳治疗时机。因此，开发高灵敏度的早期检测手段，成为医学界与科技界共同攻关的方向。
精准识别1厘米微小肿瘤：突破传统筛查瓶颈
DAMO LiON模型的核心技术突破在于其对微小病灶的识别能力。据达摩院介绍，该模型通过对海量肝脏影像数据进行深度学习，能够自动提取肿瘤的微特征，包括边缘不规则性、内部不均匀性以及与血管的关系等，从而在CT或磁共振图像中精准定位直径1厘米左右的微小肿瘤。相比传统人工阅片，DAMO LiON的检出率提升约15%，假阳性率下降近20%，显著降低了漏诊与误诊风险。
算法创新与大规模数据训练
DAMO LiON的命名源于“Liver Observation Network”的缩写，其背后是达摩院在计算机视觉与医疗AI领域的多年积累。模型采用了多尺度特征融合与注意力机制，能够同时关注全局结构信息与局部微小病灶细节，避免因肿瘤体积过小而被忽略。训练阶段，团队联合中国医科大学附属盛京医院等多家三甲医院，构建了超过10万例标注的肝脏影像数据集，覆盖不同扫描设备、不同成像参数以及不同阶段的肝癌病例，确保模型的泛化能力与临床适应性。
临床验证与合作伙伴
该模型已在多中心临床验证中展现出优异性能。在盛京医院组织的回顾性研究中，DAMO LiON对1厘米以上肝癌的检测灵敏度达到94.2%，特异性为91.7%，均优于目前主流的人工智能辅助诊断系统。目前，团队正计划将模型整合进医院影像科的工作流程，作为放射科医生的“第二阅片眼”，帮助快速筛选可疑病灶，提升诊断效率。此外，达摩院还与多家基层医疗机构合作，探索将模型部署到云端，使偏远地区医生也能通过互联网获得高水平AI辅助诊断服务。
行业意义：AI在医疗影像的“最后一公里”
DAMO LiON的推出，标志着AI在肝癌筛查领域迈出了从“辅助识别”到“精准定位”的关键一步。过去，AI影像模型多聚焦于病灶的“有无”判断，而DAMO LiON能够给出具体的大小、位置、边界等量化信息，直接辅助医生制定手术或介入治疗计划。这不仅降低了医疗资源对高年资专家的依赖，也为大规模肝癌早筛提供了技术可行性——通过AI对海量体检影像进行快速初筛，有望将早期发现率提升至60%以上。
更深远的意义在于，该模型验证了“从数据到算法再到临床闭环”的路径可行性。达摩院在模型设计中充分考虑了临床实际需求，如在CT平扫与增强扫描中均保持稳定性能，适应不同医院检查流程。这种“临床导向”的研发思路，有助于推动更多AI医疗产品从实验室走向手术台，真正解决医疗资源分布不均的痛点。
随着DAMO LiON的逐步落地，肝癌筛查有望从“定期体检”升级为“智能预警”。未来，结合液体活检、影像组学等多模态数据，AI或许能实现更早期的癌前病变预警，改写肝癌“发现即晚期”的困境。