才半年就被中国反超！美国吹上天的医疗AI，瞬间不香了。

今年3月，斯坦福的模型 Merlin 登上《自然》，美国媒体一片兴奋，直接给它安了个 "CT 界的 ChatGPT" 的名号。

当时它能在腹部 CT 上识别 30 种影像发现，虽然准确率还没摸到医生平均水平，但在那个时间点，确实算领先。

谁能想到，才半年刚过，9 月 18 日，阿里达摩院联合浙大一院的成果就登上了《科学》，一个叫 DAMO RADAR 的模型，直接把比赛终点线往前挪了一大截。

先说说 Merlin 到底是个什么来头。它是个 3D 视觉语言大模型，训练用了 15331 个腹部 CT、六百多万张图像，配上电子病历里的 183 万条诊断码和放射科报告。

说白了，斯坦福把医院里那些已经沉淀好的片子和文字报告喂给模型，让它自己学。

它能做的事挺杂：30 种零样本影像分类、692 种临床表型预测、6 种慢病的 5 年发病预测、20 个器官的三维分割，凑一块儿 752 个子任务。底子打得不错，但论文自己也承认，在直接诊断这件事上，离资深医生还有距离。

再说 RADAR。它一上来就没跟你客气，瞄准的是腹部增强 CT—— 这行里公认最难啃的骨头。腹部那地方器官挤成一团，软组织密度又差不多，年轻医生最怕进的就是这个组。

RADAR 一口气覆盖 18 个解剖结构，识别 146 种病症，连恶性肿瘤都包在里面。近四万次真实世界检查测下来，AUC 到了 0.913，这个数字在放射科语境里，就是 "专家级" 的意思。更关键的是，这是全球第一个把通用影像 AI 做到专家水平的。

技术上它赢在哪？达摩院的说法叫 "器官级细粒度对齐"。以前模型看 CT，是把整团三维数据囫囵吞下去，再去对报告文字，信号稀稀拉拉学不准。

RADAR 反过来，先把 CT 在肝、胆、胰、脾、胃肠这些器官上拆开，再用 Qwen 语言模型把放射报告也按器官拆成一段一段，让影像区域和文字描述一对一扣上。这么一拆，原来百万级的个体图文对，变成了千万级的解剖级图文对。

模型学的时候，知道自己在看哪个器官、对的是哪句话，还能画出注意力图，标出它觉得可疑的位置，医生回去一核对就行。这事儿不花额外人工标注，全靠医院现成数据。

论文发表第二天，代码和权重就按 Apache 2.0 协议开源了。这一点很多人没意识到分量。Apache 2.0 是最宽松的开源协议之一，商业医院拿去用、改、二次开发，都不用付授权费。等于把一个专家级 AI 的底座，直接扔给了全世界。

这就看出来，医疗 AI 的赛场规则变了。前几年大家比的是 "模型大不大、论文发在哪、刷榜分数高不高"。Merlin 其实就是典型的 "基座模型" 思路，铺任务、铺数据，证明这条路走得通。

RADAR 不一样，它一落地就直奔临床诊断，而且是最难的腹部增强 CT，直接对专家水平。这说明竞争从 "能不能学会" 变成了 "能不能真看病"，门槛一下子拉高了。

中国团队这次赢的不是算法玄学，是产学研贴得紧。达摩院出算法和工程能力，浙大一院出临床场景、真实病例和专家标注经验。

这种 "大厂研究院加顶级三甲" 的组合，其实美国也有，斯坦福自己就绑着医院。差别在于，RADAR 没有停在发论文这一步，而是把开源、可解释、真实世界验证这套闭环一次做完了。

对基层医院来说，一个能出报告、能圈可疑区域、专家复核就能用的模型，比一个发在 Nature 上的基座有意义得多。

别把这事儿简单读成 "机器要抢医生饭碗"。放射科医生看完片子平均要十几分钟，基层医院缺的恰恰是能一眼看出问题的人。

RADAR 这种模型，更像是给县医院、社区医院配了一个不知疲倦的初筛助手，把最可疑的片子先挑出来，让上级医生远程复核。

之前院士在浙大一院看类似系统时就说过，希望这套东西能推广到山区海岛。这才是开源真正的价值 —— 不是让 AI 取代谁，是把专家的眼睛复制一万份。

最后补一句，从 3 月到 9 月，半年刚出头，顶刊从 Nature 换到 Science，识别数从 30 种影像发现跳到 146 种病症，准确率从 "还没到医生水平" 跳到 "专家级"。

这种迭代速度，放在任何一个行业都够吓人的。医疗 AI 这盘棋，接下来怎么下，值得盯着看。