从一系列迫在眉睫的现实挑战出发，阿里达摩院的团队将这些挑战点滴连成线，最终走向了一个更为广阔的未来。2016年，当人工智能领域的权威Geoffrey Hinton发出“影像科医生将在五年内被AI取代”的预言时，似乎一切都显得不那么遥远。然而，十年过去了，影像科医生依旧坚守于岗位，尽管当年如雨后春笋般涌现的影像AI初创企业却大多在市场的风口浪尖上沉沉折戟，只有少数幸存者在艰难挣扎。在此过程中，Hinton显然低估了医疗领域的复杂性。由于医疗对模型的精准性要求近乎苛刻，对失误和错误判断的容忍度几乎为零，因而医疗成为了AI技术的终极考场。

正是这种严苛的标准将影像AI困住在专病模型的局限中，也阻滞了许多AI创业公司的发展。2023年9月18日，一项引人瞩目的研究成果在国际顶级学术期刊《科学》上发表，其中介绍了一款名为DAMO RADAR的通用医疗影像模型。这一创新之举，旨在识别腹部增强CT扫描中的18个器官共146种病症，打破了传统“单病单模型”的束缚。背后的研发团队正是阿里巴巴达摩院，他们已经连续推出平扫CT上的胰腺癌、胃癌和肠癌筛查模型，以及主动脉夹层预警模型等一系列突出的专病模型。

在行业常常陷入“拿着锤子到处找钉子”的迷茫之际，达摩院的医疗AI之路却在很大程度上事先规避了这一难题。他们从切实的、具体的医疗需求出发，通过不断的探索，逐步穿越了传统医疗AI的发展周期，来到更为开阔的天地。 金年会官网

回到2017年，正值达摩院成立之初，它所承载的医疗愿景逐步清晰。许敏丰作为一名拥有多年医疗影像AI经验的专家，这时加入了团队。最初的几年，达摩院也尝试着与行业大潮接轨，推出了一些常见的影像识别产品，比如在平扫CT上分析肺结节和骨折。然而，这些工作就像是在黑纸上寻找白点，实际上并没有带来太大的挑战。尽管如此，业内的许多医疗影像公司却凭借这些产品获得了丰厚的融资，声势一时之盛，堪比今日的具身智能热潮。可许敏丰逐渐意识到，这些工作不过是将医生已有的技术用深度学习重现了一遍。 AI虽然在速度和准确性上有所提高，但并未能解决真正的医疗难题。这心态反映了当时行业的“AI能做什么”的思维局限，而不是真正关注医疗领域的需求。

转机发生在2020年，疫情的突然暴发令大量患者蜂拥而至，肺部CT成为医生判断病变的重要工具。然而，每次CT扫描所包含的数百张影像切片，使得医生的工作量迅速攀升，难以应对。凭借多年的技术积累，许敏丰带领几名算法与工程师在家中奋战，两周内推出了第一个为新冠肺炎提供辅助诊断的CT系统。这套系统不仅是全国首创，其开创的首行代码更是被国家博物馆纳入了馆藏，成为历史的见证。这一经历改变了团队对医疗影像AI的认知：同样的肺炎，AI能够从细微的影像差异中区分出新冠肺炎与普通肺炎。

在2021年加入达摩院的张灵，带着更加宏大的愿景而来：利用普通平扫CT，不仅识别医生已知的病症，还能发现那些常常被忽视的、更为隐秘的健康隐患，甚至是某些重大癌症的早期迹象。自2008年起，张灵便开始深入研究医疗影像AI，加入达摩院后，团队着手与“癌症之王”胰腺癌的斗争。这一癌症的致命性众所周知，超过70%的患者往往在晚期才得以确诊，生存率低于10%。尽管医生通常需要借助增强CT来诊断胰腺肿瘤，但这一过程并不适合常规体检，而平扫CT则成为医生的一种常规选择，尽管人眼几乎难以察觉早期的病灶。 金年会官网

面对外界的疑虑，张灵最初也从增强CT开始模型的研发。然而，他发现在同一患者身上通常会得到平扫和增强CT的两套数据，经过大胆尝试，他决定将模型应用于平扫CT的分析。结果令人振奋，虽无造影剂介入，模型识别胰腺肿瘤的能力几乎未受影响。尽管外界对此仍存疑虑，但团队已然看到了希望的光芒。张灵回忆，那些年团队仿佛站在一块尚未被征服的土地上，每迈出一步，都能发现新的可能。

然而，在项目尚未显露明显成果的初期，团队所能获得的资源及支持十分有限，张灵回忆起当时，真正坚持推进此项工作的仅有他自己与另一名合作医生共三人。项目伊始，他们首要面临的是训练数据的缺乏问题。由于医生在平扫CT上难以精确标示肿瘤的位置，缺乏精准的标注，模型便无法获取应有的学习指导。最终，团队找到了解决之道，采用医生在同一患者增强CT上标示肿瘤的方法，通过图像配准，制作出符合训练需求的数据。这一过程不仅是技术上的突破，更是将AI能力与传统医疗实践紧密结合的先行探索。