DIAGENS iMed-6.0 新增涵蓋 509 項目標的 CT 模型
DIAGENS 於 2026 年 11 月 12 日推出一款涵蓋 509 種疾病及影像學發現的 CT 模型,並同時公布 DIAGENS iMed-6.0 的基準測試結果。這項公告擴展了該公司所稱的影像覆蓋範圍,但亦留下了一項重要問題:這種廣度如何轉化為可靠的臨床輔助。
核心張力在於,模型可評估的異常範圍,與支持其用於病人照護的證據之間是否相稱。較長的目標清單帶來更多協助機會,但亦會產生更多需要解讀、驗證及妥善處理的結果。
阿里巴巴達摩院的 RADAR 為通用型影像 AI 提供相關研究參考,亦即能在一次檢查中處理多項發現的系統。對醫院採購方及開發者而言,有價值的比較應聚焦於評估方法及工作流程表現,而非單看標題中的數量。
DIAGENS iMed-6.0 實際新增了甚麼
這項公告將更廣泛的影像模型系列,連結至一項界定明確的胸腹部 CT 應用。
CT 即電腦斷層掃描,可產生身體的橫切面影像。DIAGENS 表示,其新應用支援使用及不使用對比劑的檢查;對比劑有助於在某些掃描中區分不同結構。其 CT 模型公告稱,系統涵蓋疾病及影像學發現。
這種表述值得留意。影像學發現是指檢查中可見的事物,而疾病標籤則指一種醫學狀況。兩者可以重疊,但被納入同一目標清單,並不代表每一個目標都是已有獨立確立依據的診斷。
其實際目標不難理解:透過共用系統,足夠廣泛地分析一次檢查,以支援多個問題。價值將來自於在這些問題上提供有用協助,而非僅僅能產生更多輸出。
DIAGENS 將 Thoth 列為中型 iMed-6.0 版本,Aegis 則為較小版本。CT 應用建基於 Aegis。其最大版本 Horus 仍屬公司所述、將進一步披露評估資料的計劃之一。
這些區分把模型系列與本公告所述的應用分開。一個版本相關的結果不應自動套用至另一版本。同樣地,一項通用基準結果不應取代關於特定 CT 工作流程的證據。
對開發者而言,這帶來一個直接的文件紀錄問題:哪一個確切模型產生了哪一項結果?當底層版本、應用設定或支援輸入有所改變而沒有清楚紀錄時,評估會變得更難解讀。
對採購方而言,相應問題是他們實際會收到甚麼。研究結果、評估服務及生產環境應用,代表不同程度的承諾。單憑這項公告,不應令讀者假設每項所述能力均處於相同的部署狀態。
較為狹窄的解讀亦較有用。DIAGENS 展示的是其所稱能力的一項具體擴展。這項擴展是否能帶來可靠協助,取決於附連於個別用途的證據。
因此,評估 DIAGENS iMed-6.0 的採購方應先從預期工作開始。審閱檢查以尋找可能被遺漏的發現,與起草報告或協助排列工作清單優先次序,所需條件並不相同。
這些區分決定成功應代表甚麼。如果輸出造成不必要的覆核、掩蓋緊急資訊,或令臨床人員不清楚如何回應,單純發現更多項目並非完整目標。
公告把廣度帶到討論焦點。下一個問題是,廣泛模型能否令一項界定清楚的臨床工作更容易執行及評估。
更廣泛的覆蓋範圍提高舉證門檻
通用型 CT 模型的價值來自協助作出有用決策,而非其支援目標清單的長度。
壓力最直接地落在 DIAGENS 及潛在醫院評估者身上。當一個系統提供廣泛覆蓋時,其評估須說明這種覆蓋在預期工作量中如何運作。
設想一個假設性的覆核流程:助手在已完成的掃描中標示多項可能異常。關鍵結果不只是它會否產生發現;評估者需要了解臨床人員會如何處理這些發現。
輸出可能令使用者留意到值得覆核的事項,也可能重複報告中已有的觀察、提出不相關的可能性,或需要額外調查。這些可能性需要以不同方式衡量實用性。
因此,任何試點開始前,系統的擬定角色便相當重要。旨在支援報告覆核的助手,應按報告覆核需要作評估。它在較廣泛且無關的工作集合上的表現,對該決定只能提供不完整證據。
廣泛覆蓋亦令結果呈現方式更為重要。臨床人員需要區分可採取行動的資訊,以及不確定或缺乏支持的輸出。把每一項可能發現視為同等重要,會令介面更難判斷。
這既是評估問題,也是設計問題。模型分數及這些分數到達使用者的方式,共同構成一個工作流程。只測試底層模型,便會遺漏對擬議介入措施的一部分檢驗。
有用的試點應說明輸出如何進入既有工作、由誰覆核,以及系統無法評估檢查時會如何處理。這些是建議的評估要求,而非公告已確立的能力。
採購方亦需要有意義的比較對象。相關替代方案可能是現有臨床實務、既有的專科應用,或另一項擬議助手。與抽象理想比較,會掩蓋新系統是否帶來實際改進。
這亦對專科供應商帶來另一類壓力。廣泛模型會引發問題:獨立應用是否仍有需要。專科供應商可透過有關其預期工作的聚焦證據作答,而非只在覆蓋範圍上競爭。
商業含義仍屬有條件。若整合功能可在保留有用表現的同時減少不必要複雜性,便具吸引力。若共用模型需要大量額外核查,則提供的是另一種取捨。
對醫療以外的 AI 產品團隊而言,這項公告說明了一個常見的評估問題:系統所稱能力的擴展速度,可以快過支持每項用途的證據。產品廣度及已證明的可靠性需要分開記錄。
追蹤這些聲稱的團隊,可在 可搜尋知識庫中整理發布文件及評估筆記。這有助管理證據;臨床決策仍需要適當的臨床系統及監督。
因此,更廣泛覆蓋帶來的即時後果是更嚴格的評估。每項擬議用途都需要清晰目的、適當比較,以及證據證明整合後的工作流程帶來值得採用的成果。
所報告的 AUC 並非診斷準確率
CT 結果描述的是評估工作中的辨別能力,而非診斷正確病人的百分比。
DIAGENS 在其 影像評估披露文件中報告了一項內部評估,涉及來自多間醫院、接近 40,000 對 CT 檢查及報告。文件列出全部 509 個目標的宏平均零樣本 AUC 為 0.855,而選定的 249 個目標子集為 0.930。
AUC 衡量分數在不同可能決策閾值下,區分陽性及陰性個案的能力。宏平均為每項工作賦予相同權重。零樣本分類是在該分類設定中,沒有提供針對特定工作的示例下評估目標。
文件明確表示,這些數字不等於診斷準確率。文件亦提醒,不同研究的覆蓋定義不同,不能建立直接的模型表現比較。
這些限定避免了幾種看似合理的簡化。選定子集的數字不應變成「93% 診斷準確率」,亦不應悄然取代完整目標集的結果。
這一區分影響採購方可作出的推論。總結性指標可以描述一項評估,卻不能回答某項特定發現在實務所用決策點上的表現。
該決策點是一個閾值,即輸出觸發某種特定回應的分數。選擇閾值涉及決定哪些錯誤對預期工作更重要;合適選擇需要臨床背景。
因此,審閱可能遺漏異常的覆核者,需要的不只是一個整體平均值。有用的支持證據應說明正在評估的發現、參考判定,以及根據輸出行動的後果。
敏感度,即檢測出的陽性個案比例,有助描述遺漏的發現。特異度,即正確排除的陰性個案比例,有助描述不必要的標示。兩項指標本身都不構成完整評估。
結果分布同樣重要。一個有利的平均數,無法顯示表現是否在各目標間保持一致,還是集中於特定工作。個別發現在實務上可有不同重要性。
選定子集提出了相關的報告問題。評估者應了解為何選擇這些目標,以及這種選擇是否配合其預期用途。子集可以提供資訊,而不代表整個應用。
這些是對可解釋性的要求,而非否定已報告結果的理由。公司已披露可量化的評估;下一步是把該量度連結至臨床團隊實際會作出的決定。
獨立測試可透過減少對開發者自身評估的依賴,來強化這種連結。但測試仍需要合適設計、相關檢查,以及明確指定的結果。
因此,DIAGENS iMed-6.0 展示了具前景的模型結果與部署決定之間一項有用的區分。前者可以支持進一步調查;後者則需要與擬議場景相配的證據。
無論公告傳播到哪裏,這一區分都應保持可見。簡化的標題很容易捨棄令底層數字可被解讀的限定條件。
RADAR 提供研究參考,而非直接排名
RADAR 為廣泛 CT 分析建立相關背景,但有效的表現競賽需要共用評估。
刊於 Science 的 腹部 CT 研究描述了 RADAR 在 146 項腹部影像學發現上的表現。研究報告顯示,在八個外部中心的評估中,其平均 AUC 為 0.895。
這使 RADAR 與 DIAGENS 正在追求的方向相關。兩者都涉及 CT 檢查中的廣泛分析。然而,其已公布的範圍與評估設定,並不支持僅憑標題數字簡單判定誰勝誰負。
較大的目標數量可能反映覆蓋範圍更廣、定義不同,或兩者兼而有之。評估者在將數量視為可直接比較的單位前,必須檢視每個目標實際代表甚麼。
匯總表現亦然。不同的檢查、參考判讀及任務定義,都會改變已報告結果的含義。把兩個數字並列,並不會消除這些差異。
直接比較需要一組獲共識的任務及共同的評估設計。亦應說明兩套系統是否支援相同輸入,以及其輸出是否服務相同的臨床目的。
這將回答一個比「哪套系統宣傳的範圍較大」更聚焦、也更有用的問題:系統在可比較條件下如何表現。
RADAR 亦為如何解讀廣泛輸出提供具體參考。一項獨立放射學分析檢視其發現評分,並解釋為何個別結果不會自動得出臨床診斷。
該分析針對 RADAR,而非對 DIAGENS 作出臨床評估。其在此的相關性屬方法論層面:輸出評分需要語境,而專家判讀仍有別於一組模型預測。
附帶於較廣泛 iMed 系列的基準測試主張,同樣需要審慎看待。DIAGENS 報告 Thoth 的 MedBench 整體分數為 64.4,Aegis 為 61.7。這些基準結果涉及既定評估任務,而非已證實的病人結果。
該公司亦報告 Thoth 的 MMMU Test 分數為 66.2%,相比先前公布的最佳成績 65.9%。MMMU 評估跨學科多模態理解,即模型在結合不同類型資訊的任務中的表現。
文件將其公開排行榜比較的日期定為 2026 年 11 月 11 日,並明確表示,這些比較不代表該公司的模型已列入公開排行榜。
對讀者而言,重要的是區分已報告的評估結果、公開排名與臨床證據。三者都可提供資訊,但沒有任何一者會自動補足另外兩者。
因此,競爭焦點既關乎模型開發,亦關乎證據質素。DIAGENS 可透過可重現的評估及具臨床相關性的測試,使其論點更具說服力。其他開發商同樣面對這項要求。
一場有價值的競爭,應獎勵那些讓其範圍、限制及工作流程價值更容易被檢視的系統。覆蓋範圍創造機會;可比較的證據,決定買家能以多大信心據此行動。
部署論證仍未完成
經審閱的公告支持進一步評估,但未能證實此 CT 模型已獲獨立臨床驗證或改善病人結果。
這是現有證據的界線,並非表示該系統無法提供協助。產品公告與臨床研究回答的是不同問題。
公告描述開發商稱其已建立及量度的內容。部署評估則需要檢視擬議應用在其預定環境中的表現。兩份文件都不能取代另一份。
FDA 的醫療 AI 原則為評估醫療裝置開發提供相關的一般背景。這些原則強調以生命週期方式開發安全而有效的 AI 驅動裝置。
這些原則並不構成對 DIAGENS 的監管判斷。它們說明了為何基準測試公告只是買家所需證據的一部分。
考慮採用該系統的醫院,需要清楚說明預定使用者、支援的檢查類型及擬議角色。亦需要了解當輸入超出該範圍時,使用者應如何處理。
考慮另一個假設情況:一項檢查使用了超出已評估設定的採集協議。負責任的評估會詢問,應用程式如何識別這種情況,以及如何傳達其限制。
公告未能確立答案。明確提出這個問題,有助避免評估者假設廣泛目標覆蓋亦代表不受限制的輸入支援。
版本管理帶來另一項實際問題。若模型在評估期間有所變更,買家需要知道哪些結果適用於哪個版本。否則,證據與產品可能逐漸脫節。
FDA 的醫療 AI 透明度指引,為傳達機器學習驅動裝置資訊提供相關參考。清晰資訊有助使用者理解已報告表現所處的條件。
DIAGENS 描述了一項更廣泛的策略,涉及其專為開發專科影像 AI 而設的平台 iMedLoop。該商業主張將共享基礎與因應特定需要調整的應用程式連結起來。
這形成一項有用的商業假設:共同平台或可令應用程式開發更具可重複性。它同時亦帶來證據責任。每個應用程式仍須為其自身的預定用途提供支持。
因此,應連同驗證及維護所需工作一併評估客製化。較簡單的開發介面,本身並不能回答所產生的應用程式是否適合某項臨床任務。
同樣的審慎態度亦適用於商業預期。潛在使用個案增加,並不能證實已實現的採用、持續使用率或由這些用途帶來的收入。
買家與投資者應把這些里程碑分開看待。模型能力、營運部署及持續商業使用,代表不同成就。一方面的證據不應被呈現為所有方面的證據。
尚未解決的部署論證,正是公告變得最具影響力之處。DIAGENS 已將一項廣泛主張具體化至足以評估。其價值如今取決於該評估揭示甚麼。
三項訊號將釐清下一步
下一項有意義的證據,應把模型主張連繫至獨立測試、實際工作流程表現及清楚記錄的部署。
第一項訊號,是在開發商內部評估以外的檢查上進行獨立評估。未來一至三個月,留意可供他人檢視的詳細方法、任務定義及結果。
最具資訊價值的披露,會明確列出評估條件。讀者應能辨識受測版本、支援的輸入、比較方法,以及用作評估輸出的參考判讀。
在相關外部條件下取得一致結果,將強化進一步研究的理據。表現不均則會收窄值得關注的應用範圍。無論結果如何,都比另一項未附條件的覆蓋範圍主張更具決策價值。
第二項訊號,是關於臨床醫生與模型如何協作的證據。留意前瞻性評估,即在收集結果前,已圍繞既定工作流程規劃的測試。
此類工作應說明助理工具預期改善甚麼。報告審閱應用程式需要有關審閱的證據;優先排序應用程式則需要有關優先排序的證據。
有用的結果應同時反映效益與額外工作量。一個能呈現相關資訊、卻造成大量不必要核查的應用程式,與一個改善整體任務的應用程式,代表不同的主張。
顯示實際增益的結果將強化商業論點。若結果顯示效益有限,或審閱過程負擔沉重,討論將回到較狹窄的用途。
第三項訊號,是特定 CT 應用程式在部署及監管方面的清晰度。留意明確的預定用途、適用的授權細節、版本文件,以及持續營運使用的證據。
這些披露有助區分研究能力與為特定臨床環境提供的產品。任何授權均應按其所述範圍解讀。
DIAGENS 亦表示,計劃公布更多 Horus 及 DoctorBench 評估資訊。這些發布將為模型系列補充背景,但不會自動解決 CT 應用程式的臨床問題。
對開發商而言,實際回應是保留模型結果與工作流程主張之間的區分。對買家而言,則是在選擇支持決策的證據前,先界定決策本身。
最有力的後續行動,不需要更戲劇化的標題。它應精確展示系統在哪裡有幫助、在哪裡遇到困難,以及這些結論如何得出。
將 DIAGENS iMed-6.0 視為一次針對所聲稱能力的具體擴展,然後追蹤把該能力連繫至臨床工作的證據。先從完整評估範圍開始,保留其限定條件,並只在底層任務相符時比較結果。若你正考慮試點項目,應界定預定工作流程,以及甚麼結果足以支持繼續採用。要求提供受測模型版本、不獲支援檢查的處理方式,以及負責審閱的臨床醫生所承擔的責任。把未來發布與已評估的能力分開看待。下一份公告值得帶著的具體問題是:新證據是否顯示,系統能在某人擬使用它的環境中提供有用協助?



