A Alibaba DAMO Academy, em colaboração com a Escola Médica do Primeiro Hospital Afiliado da Universidade de Zhejiang e outros parceiros clínicos, tornou público o modelo DAMO RADAR. Este modelo é destinado à análise de tomografias computadorizadas abdominais com contraste, e seus resultados foram publicados na revista Science.
O sistema é capaz de identificar mais de 146 achados patológicos diferentes em 18 órgãos em uma única passagem. Na avaliação em um conjunto de dados de teste, a precisão do modelo atingiu o nível de um radiologista experiente, representando um afastamento da abordagem de IA médica baseada em uma doença e um único modelo, que frequentemente enfrenta dificuldades em condições de prática clínica real.
A DAMO relatou que o treinamento tradicional usando visão e linguagem encontra dificuldades ao lidar com volumes esparsos de TC. Portanto, a equipe aplicou um método de ajuste fino no nível dos órgãos: as imagens tridimensionais são divididas em unidades anatômicas para que as imagens e os relatórios de texto correspondam em nível de órgão. Em seguida, o modelamento contrastivo adaptativo ajusta o sinal de treinamento.
Esta abordagem visa criar um sistema de diagnóstico escalável, multifuncional e mais interpretável, que não requer rótulos manuais adicionais para cada nova patologia à medida que a lista de achados identificados se expande.
Durante a análise de quase 40.000 exames reais, o DAMO RADAR demonstrou uma área sob a curva (AUC) de 0,913 para todos os 146 achados avaliados. Em um estudo com 26 radiologistas de diferentes hospitais, a precisão média do modelo superou o desempenho de 23 médicos. De acordo com os dados publicados, o uso de dicas de IA aumentou a sensibilidade dos médicos em cerca de 10%, e o tempo de leitura diminuiu em mais de 30%, enquanto os especialistas juniores se aproximaram do nível de seus colegas mais experientes.
Mesmo em casos de dor abdominal aguda fora do foco inicial de treinamento, quando a distribuição dos dados era diferente, a AUC permaneceu em torno de 0,904. O código e os pesos do modelo estão disponíveis no GitHub na organização Alibaba DAMO Academy, e o artigo científico na Science descreve detalhadamente os métodos e testes. Os parceiros hospitalares caracterizam o modelo como uma ferramenta de navegação para um dos desafios mais complexos da radiologia — TC abdominal multiorgânica, enquanto a DAMO vê o RADAR como um passo de detectores especializados para modelos gerais de imagem médica fundamental, que podem ser aplicados além da TC abdominal à medida que a validação clínica se expande.