Forskare har utvecklat AI-assistenten RADAR (Rapid Abdominal Diagnosis with AI and Radiology) som kan analysera abdominala CT-skanningar och stödja radiologer i diagnosprocessen. Systemet tränas på en vision-language-ramverk med 424 911 undersökningar, 1,5 miljon bild-text-par och över 15 miljon organ-specifika par, utan att experter först märker upp data.

I tester på 39 160 interna och 24 239 externa sjukhusundersökningar nådde RADAR ett genomsnittligt AUC på 0,913, vilket överträffade befintliga modeller. På externa dataset varierade poängen mellan 0,874 och 0,912, och verktyget identifierade korrekt lever-, pankreas-, magsäck- och koloncancer. En studie med 26 radiologer visade att RADAR ökade diagnostisk känslighet med ca 10 % och minskade lästid med omkring 31 %, särskilt för juniora radiologer.

Författarna menar att RADAR kan fungera som en generell AI-assistent som integreras i kliniska arbetsflöden och höjer diagnostisk precision oavsett erfarenhetsnivå. Ytterligare tester behövs för att bekräfta prestanda i bredare geografiska och etniska populationer.