Alibaba ने Medical AI की दुनिया में उठाया बड़ा कदम
20 सितंबर 2026: Alibaba Group की research arm DAMO Academy ने एक नया medical artificial intelligence model DAMO RADAR open-source कर दिया है। यह AI मुख्य रूप से contrast-enhanced abdominal CT scans को पढ़ने और उनमें कई तरह की diseases तथा abnormalities की पहचान करने के लिए बनाया गया है।
इसकी सबसे महत्वपूर्ण खासियत इसका व्यापक scope है। कई medical-imaging AI systems किसी एक बीमारी या organ पर केंद्रित होते हैं, जबकि DAMO RADAR को पेट के 18 organs और anatomical structures में 146 clinical findings पहचानने के लिए विकसित किया गया है। इनमें malignant tumours समेत कई प्रकार की abnormalities शामिल हैं।
हालांकि यहां एक महत्वपूर्ण अंतर समझना जरूरी है: 146 का आंकड़ा 146 अलग-अलग cancers का नहीं, बल्कि clinical findings/conditions के व्यापक समूह का है।
DAMO RADAR आखिर क्या है?
DAMO RADAR एक vision-language medical AI model है। सरल शब्दों में, इसे medical images के साथ radiologists द्वारा लिखी गई clinical reports से सीखने के लिए बनाया गया है।
मॉडल contrast-enhanced CT scan में अलग-अलग abdominal organs का विश्लेषण करता है और उन patterns को पहचानने का प्रयास करता है जो किसी disease या abnormality की ओर संकेत कर सकते हैं।
Alibaba की research team ने इसे “the world's first expert-level generalist medical imaging model” बताया है। यह DAMO Academy का अपना वर्णन है, इसलिए इसे स्वतंत्र नियामकीय प्रमाणन या सार्वभौमिक चिकित्सा निष्कर्ष नहीं माना जाना चाहिए।
करीब 40,000 Real-World Exams में हुआ परीक्षण
DAMO RADAR की performance का मूल्यांकन करीब 40,000 real-world examinations पर किया गया।
146 clinical findings में model का average Area Under the Curve (AUC) 0.913 रहा। Diagnostic testing में AUC यह मापने का एक तरीका है कि model अलग-अलग स्थितियों के बीच कितनी अच्छी तरह distinction कर पाता है; 1.0 का score perfect discrimination को दर्शाता है।
इसलिए 0.913 को सीधे 91.3% diagnostic accuracy कहना सही नहीं होगा। AUC और simple accuracy अलग statistical measures हैं।
26 Radiologists के साथ हुई तुलना
Research में AI की तुलना human radiologists से भी की गई।
कई hospitals के 26 radiologists वाले अध्ययन में DAMO RADAR ने औसतन 23 radiologists से बेहतर performance दिखाई।
लेकिन इसका अर्थ यह नहीं है कि AI ने radiologists की जरूरत खत्म कर दी है। वास्तव में research का एक अधिक clinically relevant परिणाम तब सामने आया जब doctors ने AI को सहायता के रूप में इस्तेमाल किया।
AI assistance मिलने पर radiologists में missed diagnoses करीब 10% कम हुए, जबकि diagnosis में लगने वाला समय 30% से अधिक घटा।
यह finding medical AI के एक महत्वपूर्ण उपयोग की ओर संकेत करती है—AI को डॉक्टर का replacement बनाने के बजाय एक decision-support tool के रूप में इस्तेमाल करना।
4 तरह के Cancer पर भी हुई Validation
विस्तृत research reporting के मुताबिक model का evaluation liver, pancreatic, gastric और colorectal cancers के लिए pathology results के मुकाबले भी किया गया।
इन चार cancer categories में reported AUC 0.891 से 0.984 के बीच रहा। इसके अलावा करीब 27,000 emergency CT cases पर model ने 0.904 AUC हासिल किया, जबकि वह specifically emergency scans के लिए trained नहीं था।
इन परिणामों से model की संभावित generalisation क्षमता के संकेत मिलते हैं, लेकिन अलग-अलग देशों, patient populations और healthcare environments में independent validation अभी भी महत्वपूर्ण होगी।
कैसे Train किया गया DAMO RADAR?
DAMO RADAR की training strategy भी इस research का महत्वपूर्ण हिस्सा है।
Research reporting के अनुसार model को 424,911 examinations के dataset पर train किया गया। इसमें करीब 1.5 million image-text pairs और 15 million से अधिक anatomy-specific pairs शामिल थे।
यह approach traditional medical AI development से कुछ मायनों में अलग है। हर scan को manually disease-by-disease label करने के बजाय researchers ने CT images को उनसे जुड़ी clinical reports के साथ align करने के लिए vision-language learning का इस्तेमाल किया।
इससे एक ही foundational model को कई abnormalities पहचानना सिखाने का रास्ता खुल सकता है।
Open-Source करने का क्या मतलब है?
Alibaba द्वारा DAMO RADAR को open-source करना इस announcement का दूसरा बड़ा हिस्सा है।
Open release से researchers model को independently examine और test कर सकते हैं तथा अलग datasets पर उसकी performance की जांच कर सकते हैं। इससे independent validation और आगे के medical-AI research में मदद मिल सकती है।
DAMO researchers का कहना है कि इस training approach को भविष्य में abdominal CT से आगे दूसरी medical-imaging modalities तक भी बढ़ाया जा सकता है। फिलहाल यह भविष्य की संभावना है, मौजूदा validated capability नहीं।
क्या यह AI डॉक्टरों की जगह ले सकता है?
मौजूदा research से ऐसा निष्कर्ष निकालना जल्दबाजी होगी।
DAMO RADAR ने study settings में प्रभावशाली performance दिखाई है, लेकिन benchmark या reader-study results और routine hospital deployment दो अलग चीजें हैं। अलग-अलग populations, scanners, hospitals और clinical workflows में model की reliability की जांच जरूरी होती है।
खास तौर पर medical diagnosis जैसे high-stakes क्षेत्र में किसी AI की strong research performance अपने-आप यह साबित नहीं करती कि वह independently patient diagnosis के लिए तैयार है।
इस study का एक उल्लेखनीय परिणाम उलटे human-AI collaboration से आया—AI की सहायता मिलने पर radiologists ने कम diagnoses miss किए और scans पढ़ने में कम समय लिया।
Alibaba का Medical AI पर बढ़ता Focus
DAMO Academy medical imaging में इससे पहले भी AI systems विकसित कर चुकी है। अप्रैल 2026 में उसने Coca AI model पेश किया था, जिसे Guangdong General Hospital और अन्य partners के सहयोग से विकसित किया गया था और early colorectal cancer detection पर केंद्रित किया गया था।
DAMO RADAR का approach इससे अधिक general है, क्योंकि इसे एक ही abdominal CT examination से कई अलग-अलग clinical findings पहचानने के उद्देश्य से बनाया गया है।
Medical AI के लिए यह Development क्यों महत्वपूर्ण है?
इस research की अहमियत केवल “AI बनाम doctor” तुलना में नहीं है।
अधिक महत्वपूर्ण सवाल यह है कि क्या एक general-purpose medical imaging model एक ही CT scan से कई संभावित abnormalities को reliably flag कर सकता है और radiologists को तेजी से तथा कम missed findings के साथ काम करने में मदद कर सकता है।
DAMO RADAR के शुरुआती research results इस दिशा में मजबूत संकेत देते हैं। लेकिन open-source release के बाद अब independent researchers के पास इन claims को अलग populations और clinical settings में जांचने का अवसर होगा। यही अगला महत्वपूर्ण चरण होगा।