Science (New York, N.Y.) 2026年9月17日该工作开发了RADAR——一个在超过40万例增强腹部CT检查和1500万解剖结构对应的图文对上训练的通用视觉-语言模型，直接利用临床报告学习而无需人工标注，在18个解剖结构和146种影像表现的内部与外部多中心评估中取得高诊断性能与稳健泛化，并在读者研究中使26名放射科医师的诊断敏感度提升约10%。该工作开发了RADAR——一个在超过40万例增强腹部CT检查和1500万解剖结构对应的图文对上训练的通用视觉-语言模型，直接利用临床报告学习而无需人工标注，在18个解剖结构和146种影像表现的内部与外部多中心评估中取得高诊断性能与稳健泛化，并在读者研究中使26名放射科医师的诊断敏感度提升约10%。面向腹部CT诊断的专家级通才AI：RADAR该工作开发了RADAR——一个在超过40万例增强腹部CT检查和1500万解剖结构对应的图文对上训练的通用视觉-语言模型，直接利用临床报告学习而无需人工标注，在18个解剖结构和146种影像表现的内部与外部多中心评估中取得高诊断性能与稳健泛化，并在读者研究中使26名放射科医师的诊断敏感度提升约10%。该工作开发了RADAR——一个在超过40万例增强腹部CT检查和1500万解剖结构对应的图文对上训练的通用视觉-语言模型，直接利用临床报告学习而无需人工标注，在18个解剖结构和146种影像表现的内部与外部多中心评估中取得高诊断性能与稳健泛化，并在读者研究中使26名放射科医师的诊断敏感度提升约10%。