Alibaba zet medisch AI-model voor CT-scans open

Alibaba heeft een AI-model vrijgegeven dat contrastversterkte CT-scans van de buik leest en daarin bijna 150 aandoeningen herkent, waaronder kwaadaardige tumoren. Het model heet DAMO RADAR, komt van onderzoeksafdeling DAMO Academy en werd op 18 september beschreven in Science. De code staat sindsdien op GitHub en Hugging Face onder een Apache 2.0-licentie.

Wat het model doet

De meeste medische beeldmodellen zijn getraind op een enkele ziekte of een enkel orgaan. DAMO RADAR pakt 18 buikorganen tegelijk en geeft per scan een reeks bevindingen terug, van cysten en stenen tot maligniteiten. Het is een vision-language model: het koppelt beeld aan tekst, omdat het getraind is op CT-onderzoeken samen met de bijbehorende klinische verslagen.

Volgens de publicatie gaat het om 424.911 contrastversterkte buik-CT-onderzoeken, goed voor ruim 15 miljoen anatomisch gelabelde beeld-tekstparen. Op bijna 40.000 echte onderzoeken haalde het model een gemiddelde AUC van 0,913 over 146 klinische bevindingen. Een AUC van 1,0 zou perfect zijn, 0,5 is gokken.

De vergelijking met radiologen

DAMO Academy liet 26 radiologen uit meerdere ziekenhuizen dezelfde scans beoordelen. De gemiddelde nauwkeurigheid van het model lag hoger dan die van 23 van hen. Interessanter dan die score is wat er gebeurde toen de artsen het model als hulpmiddel kregen: hun sensitiviteit steeg met ongeveer 10 procent en de leestijd daalde met meer dan 30 procent. Juniorradiologen kwamen daarmee in de buurt van het niveau van hun ervaren collega’s.

Het onderzoeksteam noemt het naar eigen zeggen het eerste generalistische medische beeldmodel op expertniveau en schrijft dat de trainingsmethode later naar andere soorten medische beeldvorming kan worden uitgebreid. Dat is een claim over de aanpak, niet over bewezen prestaties op MRI of echografie.

Waarom open source hier uitmaakt

Alibaba publiceert vaker gewichten in het openbaar, zoals bij de goedkopere audio-invoer voor Qwen. Bij medische beeldvorming weegt dat zwaarder dan bij een chatmodel. Ziekenhuizen mogen patiëntdata vaak niet naar een externe API sturen, dus een model dat lokaal kan draaien haalt een juridische drempel weg. Het sluit aan bij NeuroVFM, dat hersenscans leert lezen uit ruwe ziekenhuisdata, en bij de manier waarop de Mayo Clinic inmiddels 150 AI-modellen in gebruik heeft.

Wat betekent dit

Een AUC van 0,913 in een studie is geen goedkeuring voor de kliniek. Een model dat in China op Chinese scanners en Chinese verslagen is getraind, moet in Europa opnieuw worden gevalideerd, en de EU AI Act rekent diagnostische software tot de hoogrisicocategorie met bijbehorende documentatie- en toezichtseisen. De winst zit voorlopig in de tweede lezing: een lijst met mogelijke bevindingen waar de radioloog langsloopt, niet een diagnose die de radioloog vervangt.

Voor patiënten is de kortere leestijd misschien het concreetste effect. Wachtlijsten voor beeldbeoordeling zijn in veel landen een knelpunt, en 30 procent tijdwinst per onderzoek telt harder aan dan een paar procentpunten nauwkeurigheid. Dat mensen hun eigen scans straks zelf aan een model gaan voorleggen, is een aparte discussie; een op de drie Amerikanen vraagt AI al om gezondheidsadvies.