近期，阿里巴巴达摩院在癌症诊断领域取得了重大突破，推出了一款创新的多癌影像分析通用模型。这一模型能够一次性检测、分割并诊断八种主要的高发致死性癌症，显著提升了多癌统一诊断的效率，有效降低了漏诊的风险。

当前医疗人工智能技术已发展到足以识别单一器官疾病，辅助医生作出诊断，然而在处理多个器官的精确识别时遇到了挑战，主要是因为较高的误报率和一定程度的漏诊现象。这对癌症患者的整体诊疗带来了压力。为了减少误诊和漏诊，放射科医生通常需要对全身多个器官进行多病种的检测和诊断。因此，医生们迫切需要一种高效能的多癌统一诊断工具。

为解决这一难题，达摩院医疗AI团队联合了包括中山大学肿瘤防治中心、四川省肿瘤医院、浙大附属第一医院、盛京医院、广东省人民医院等在内的多家医疗机构，共同开发了名为“cancerUniT”的统一多癌影像分析通用模型。该模型以Mask Transformer语义分割为核心，解决了多种肿瘤图像在统一检测、分割和诊断上的难题，适用于肺、结直肠、肝、胃、乳腺、食管、胰腺和肾脏等主要癌症及其相关器官的肿瘤子类型。

多癌问题的复杂性在于器官、恶性肿瘤与其他肿瘤类型之间存在着紧密的联系。例如，肝癌与肝囊肿虽然同位于肝脏，但它们在纹理和恶性程度上存在差异；同样，肝癌与胰腺癌虽然在形态上相似，但却属于不同器官的恶性癌症。面对这一挑战，达摩院医疗AI团队引入了Transformer技术，创新性地提出了肿瘤表示学习方法，将肿瘤表示为Transformer中的语义Query，并为不同器官中的肿瘤及其子类型构建了语义层次结构，使模型的学习过程更为有效，提高了肿瘤及其子类型预测的一致性。这一模型实现了同时输出分割、检测和诊断结果的能力，从而有效解决了多癌多肿瘤识别的复杂任务。

在一项对631名患者的测试中，该模型在肿瘤检测、分割和诊断任务上的表现均优于单一器官模型的组合，其检测任务的平均敏感性达到了93%，平均特异性则为82%。

达摩院医疗AI团队的负责人吕乐博士指出，这项工作以统一模型的形式实现了“一次调用即诊断八种致命癌症”的目标，在保证模型简洁性的同时，维持了高敏感度。这一创新为放射科医生提供了强大的AI辅助诊断支持，特别是在癌症复发、远端转移等临床情况下，发挥了关键作用。

据悉，该模型的研究成果已被计算机视觉顶级会议ICCV 2023收录，并已在上海市第一人民医院等多家合作医院进行了应用测试。达摩院医疗AI团队专注于医学影像等领域的研究，致力于开发包括大规模筛查、精准诊断、预后治疗、响应评估在内的全癌症诊疗技术，覆盖多个重要病种。团队在新冠疫情期间研发的CT影像新冠肺炎AI辅助诊断系统曾被评为全国科技抗疫先进集体。