DAMO EAGLE – 阿里达摩院推出的食管癌筛查AI模型

DAMO EAGLE是阿里巴巴达摩院于2026年9月联合四川省肿瘤医院、中山大学肿瘤防治中心等机构发布的食管癌筛查 AI 模型，主要用于从胸部平扫 CT 中识别食管癌与癌前病变，无需插管与造影，在低剂量 CT 影像上同样可用，适用于肺癌筛查流程中的机会性筛查场景。

DAMO EAGLE 的核心能力

DAMO EAGLE 面向的是食管癌筛查的供给缺口。标准筛查手段上消化道内镜属于侵入式检查，操作复杂且受医疗资源与受检者依从性限制；胸部平扫 CT 成本低、应用广泛，扫描范围本身覆盖食管，但食管狭长易塌陷，早期病变隐匿于上皮层与黏膜层，心脏与大血管的运动又带来干扰，影像科医生难以直接从平扫 CT 中判读。对关注 AI 模型 在临床落地的机构而言，能否在不新增检查项目的前提下提高早期检出，是评估这类模型的首要问题。

凭平扫 CT 识别早期与癌前病变

模型的输入为常规胸部平扫 CT 影像，输出为食管癌及癌前病变的风险提示，不需要插管，也不需要注射造影剂。由于低剂量 CT 上的性能未见下降，它可以直接接入既有的肺癌筛查流程：受检者按原流程完成一次胸部检查，模型在肺癌之外补充一次食管癌风险判断，不增加检查项目与辐射剂量。

以内镜与增强 CT 的病灶位置训练模型

研究团队把监督信号从难以判读的平扫影像之外引入：先将内镜检查报告与增强 CT 影像上确认的病灶位置逐一配对，再把这些位置映射到同一受检者的平扫 CT 影像上，据此训练模型识别早期食管癌病灶。这一思路让模型学习的是平扫 CT 上与病变对应的微弱征象，而不依赖造影剂带来的强化差异。

三项验证指标与验证规模

论文给出的数据集中在三个指标：机会性筛查场景下，模型对食管癌检出的敏感性为 90%，对信号较弱的癌前病变敏感性为 52.5%，真实场景中的特异性为 99.2%，验证覆盖 3 个国家、超过 8 万例病例。敏感性衡量不漏报的能力，特异性衡量不误报的能力，两项同时维持较高水平，是这类筛查模型能否进入临床流程的前提。

在平扫 CT 与 AI 系列中的位置

DAMO EAGLE 是达摩院发布的第 4 个癌症筛查 AI 模型。此前该机构已陆续发布胰腺癌、胃癌、肠癌与主动脉夹层等方向的模型，累计发表 5 篇《自然·医学》论文。同一技术路线上的另一项进展是 9 月 18 日公布的DAMO RADAR，面向腹部增强 CT 诊断，可一次性识别超过 146 种病症，平均 AUC 为 0.913，成果刊于《科学》并已开放权重。

临床定位与后续研究

官方对该模型的定位是筛查环节中的分流工具，而非内镜的替代方案：模型先筛选出高风险个体，再由内镜检查确认，使有限的检查资源集中在更需要的受检者身上。研究团队表示，下一步重点是把 AI 提示、医生复核、影像报告与内镜转诊衔接起来，并通过前瞻性研究评估这条路径能否提高早期病变的检出效率。

DAMO EAGLE 与同类医学影像 AI 方案的对比

上表 DAMO EAGLE 一列取自其研究团队公开的论文与官方发布信息，推想医疗一列取自其官方网站，Aidoc 一列取自其官方网站。三者所处的环节并不相同：DAMO EAGLE 是面向单一病种的研究型筛查模型，推想医疗与 Aidoc 提供的是覆盖多部位、多病种的商业化影像平台。公开数据的完整度差异也源于此：模型一侧给出了敏感性与特异性等评测数值，平台一侧公开的是准入资质、装机范围与专利论文数量，两者的指标并不直接可比。评估时应先明确所需的是可嵌入现有筛查流程的单病种能力，还是覆盖全院影像科的整体解决方案。

如需了解医疗方向上的语言侧能力，可参考 Baichuan-M4（百川智能推出的临床级医疗大模型，面向临床问答与病历理解等文本任务，与影像筛查模型解决的问题分属不同环节）。

DAMO EAGLE 的应用场景与适用人群

该模型面向不新增检查项目、从既有影像中补充早诊机会的筛查任务，常见场景包括：

• 肺癌筛查流程叠加：受检者按原有流程完成低剂量胸部 CT，模型同步给出食管癌风险提示。
• 体检与健康管理中心：在常规胸部平扫 CT 中筛查食管病变，为受检者补充一次早诊机会。
• 高发地区机会性筛查：结合既有影像数据识别高风险个体，再转入内镜确认。
• 临床研究与验证：在既有队列上评估模型表现，并可参照 Claude Science 这类科研流程平台整理研究环节。

适用人群：开展食管癌筛查的医疗机构与体检中心、负责胸部 CT 阅片的影像科与放射科团队，以及评估医学影像 AI 落地的研究人员与信息化负责人。由于模型尚未公布可调用的接口或权重，现阶段更适合作为技术路线与临床价值的评估对象，而非直接部署的生产系统。

DAMO EAGLE 的使用方法

该模型目前未开放调用，现有的切入方式是从公开研究材料入手评估：

1. 查阅公开材料：在 达摩院官网 了解该机构在医疗影像方向的整体研究进展与相关模型发布信息。
2. 核对研究口径：确认验证覆盖的国家数量、病例规模与评价指标，重点区分敏感性、特异性与癌前病变敏感性的适用场景。
3. 对照现有流程：梳理本院胸部平扫 CT 的检查量、低剂量 CT 占比与内镜转诊通道，判断叠加筛查环节的可行性。
4. 评估数据条件：确认影像数据的存储格式、脱敏流程与阅片工作站的接入方式，这部分决定模型能否嵌入现有系统。
5. 跟踪开放进度：关注研究团队后续的前瞻性研究结论，以及是否提供接口或开源实现。

评估阶段建议同时记录两个指标：模型提示后的内镜转诊率，以及内镜确认环节的阳性检出率。前者反映分流是否过度，后者反映筛查路径是否真正提高了早诊效率。

DAMO EAGLE 的价格与开源情况

DAMO EAGLE 目前没有公开的价格信息，也未公布权重、接口或商业化计划。官方当前公开的是研究结论与临床价值判断，可供外部机构获取的是论文中披露的技术路径与评测数据。

在同一机构的系列模型中，开放程度并不一致：9 月 18 日发布的 DAMO RADAR 已开放权重，面向腹部增强 CT 诊断；而 DAMO EAGLE 尚未公布开源安排。对计划评估这类模型的机构而言，可先以其公开评测数据判断临床价值，再根据后续是否开放权重决定落地路径；若需要可立即部署的影像 AI 产品，应优先评估已取得监管准入的商用方案。

DAMO EAGLE 的常见问题