DAMO RADAR: AUC 0,913 på abdomen-CT – vektene er non-commercial

Alibaba DAMO Academy og Zhejiang-universitetets første tilknyttede sykehus publiserer 18. september 2026 RADAR i Science. Det er en visuell-språkmodell for kontrastforsterket abdomen-CT. Laben kaller den et ekspertnivå-generalistsystem: 146 kliniske funn, 18 organer, trent på over 400 000 undersøkelser og 15 millioner anatomi-koblede bilde-tekst-par, direkte fra radiologirapporter uten ekstra manuell merking. For CIO i helse er det et forskningsartefakt med lastbare filer. For CISO og medisinsk-juridisk er det ikke utstyr. Vektene er CC BY-NC-SA 4.0. Koden er Apache 2.0. Ingen CE- eller FDA-godkjenning følger med sjekkpunktet.

Hva laben faktisk slipper

Papiret heter «An expert-level generalist AI for abdominal CT diagnosis», Science volum 393, nummer 6817, DOI 10.1126/science.aec6129. Forfatterlisten åpner med Qi Zhang og Jianpeng Zhang og lukker med Wenbo Xiao, Ling Zhang og Tingbo Liang. Koden ligger på GitHub under alibaba-damo-academy/damo-radar. README ble oppdatert 18. september. Vektene ligger på Hugging Face under radar-generalist/RADAR, merket license: cc-by-nc-sa-4.0.

Arkitekturen er visuell-språk, ikke et chatflaggskip. Visjonsgrenen har et UNet-sjekkpunkt. Tekstgrenen bruker både bert-base-chinese og bert-base-uncased. Inferens er glidende vindu med ROI 96×256×384 på NIfTI-volumer. Hugging Face-demoen sier rett ut: research and demonstration use only. Do not use for clinical decisions.

Laben beskriver organ-nivå finjustert alignment. CT-volumet splittes i anatomiske enheter, slik at rapporttekst treffer riktig organ. Det er metoden som gjør at de kan trene uten ny manuell annotasjon. Det er også grunnen til at en vestlig sykehus-IT-avdeling ikke bare bytter inn en engelsk BERT og forventer samme kalibrering. DAMO-siden 18. september kaller sluppen det første ekspertnivå-generalistsystemet for medisinsk bildediagnostikk. Det er labens formulering, ikke et regulatorisk vedtak.

Tallene som skal bære påstanden

Hovedtallet er fagfellevurdert, men det er fortsatt labens kohort. Intern, nær 40 000 reelle undersøkelser: gjennomsnittlig AUC 0,913 over 146 funn. AUC 1,0 er perfekt skille mellom syk og frisk. Science, DAMO og SCMP gjentar tallet. Pressematerialet legger til åtte eksterne sentre med AUC 0,874–0,912, og rundt 27 000 utrente akuttabdomen-undersøkelser med AUC 0,904. Fire kreftformer mot patologisk gullstandard: AUC 0,891–0,984. Ta de siste som labens tillegg, ikke som CE-dokumentasjon.

Leserstudien: 26 radiologer fra 14 institusjoner, 11 overleger og 15 leger i utdanning, 300 pasienter. RADAR alene slår 23 av 26. Tre overleger ligger fortsatt foran. Med AI-hint stiger sensitivitet rundt 10 prosent, og lesetid faller over 30 prosent. DAMO sier 30,7 prosent. Juniorleger med modell treffer seniornivå i denne testen. Det er et kontrollert lesereksperiment, ikke en driftssituasjon med journal, labprøver og klinisk kontekst.

Ingen uavhengig europeisk replikasjon. Ingen EØS-region. Ingen system card. Ingen offentlig parameterantall for hele stakken i README vi kan sitere som innkjøpskrav. Demoen merker funn som N/A når organet ikke detekteres eller er beskåret i volumet. Det er en ærlig begrensning. Den hører hjemme i risikoregisteret, ikke i en pitch.

Lisensen som faktisk gjelder

GitHub-repoet er Apache 2.0. Det dekker koden. Hugging Face merker vektene CC BY-NC-SA 4.0: navngivelse, ikke-kommersiell, del likt. Non-commercial stenger produksjon, produkt og betalt diagnostikk uten ny avtale. Share-alike smitter avledede vekter. Spaces-demoen gjentar lisensen og copyright 2026 DAMO Academy.

Mønsteret er kjent. Filene er lastbare. Kommersiell verdi sitter i lisens. En forskningsgruppe kan klone repoet mandag. Et helseforetak som kjører checkpoint_radar_pretrain.pth i PACS-nær inferens uten avtale, står i lisensbrudd før det står i MDR. Koden kan du bygge på. Vektene kan du ikke selge, ikke legge i et produkt, og ikke bruke som betalt andreopinon uten ny lisens.

Modellen er ikke et medisinsk utstyr. Den er ikke CE-merket. Den er ikke FDA-cleared. DAMO iAorta, en annen linje, er i kinesisk NMPA-innovasjonsløp. RADAR er papir pluss sjekkpunkt. Skillet er hele poenget for innkjøp.

Hva dette betyr for CIO og CISO

Tre beslutninger.

Én: klassifiser RADAR som forskningsartefakt. Ingen produksjon mot pasient uten regulatorisk vei, DPIA og databehandleravtale. Kontrast-CT er helsedata. Lokal GPU fjerner ikke GDPR, og kinesisk tokenizer fjerner ikke krav til behandlingsgrunnlag.

To: steng skygge-IT. GitHub-scripts og Hugging Face gjør det trivielt å hente sjekkpunktet. Forskningsavdelinger vil teste. Sett tillatelse, logging og forbud mot å mate ekte pasientvolumer inn i ukontrollerte Spaces.

Tre: ikke kjøp «ekspertnivå» som erstatning for radiolog. Papiret viser assistanse og tidsgevinst i en leserstudie. Det viser også at tre overleger fortsatt slår modellen, og at treningsdata og språkmodell er kinesisk klinisk praksis. Kalibrering, bias og organsynlighet er åpne spørsmål. Det er innkjøpsrisiko, ikke fotnote.

Anbefaling: les Science-papiret, ikke pressemeldingen. Hold vektene utenfor klinisk nett. Hvis dere skal evaluere, gjør det på de-identifiserte volumer under forskningsprotokoll, med CC BY-NC-SA skrevet inn i protokollen.

Kilder og medier

Primærkilde: Science, https://www.science.org/doi/10.1126/science.aec6129 Kode: GitHub alibaba-damo-academy/damo-radar (Apache 2.0) Vekter og lisens: Hugging Face radar-generalist/RADAR (CC BY-NC-SA 4.0) Thumbnail: OpenAI Image 2 / hogby.ai