Ein Generalist für die Bauch-CT: Was RADAR verspricht, zwischen Science und Lizenzfragen

Am 18. September 2026 hat die DAMO Academy der Alibaba-Gruppe Code und Gewichte von RADAR veröffentlicht, einem Vision-Language-Modell für die Auswertung kontrastmittelverstärkter Bauch-CTs. Anders als bei Produktstarts der Industrie üblich, ging der Freigabe die Veröffentlichung der Ergebnisse in der Fachzeitschrift Science voraus. Laut offizieller Dokumentation wurde das Modell mit über 400.000 radiologischen Untersuchungen und 15 Millionen Bild-Text-Paaren trainiert; es lernte direkt aus klinischen Befunden, ohne manuelle Annotation, um 18 anatomische Strukturen und 146 radiologische Befunde zu beurteilen.

Die im Artikel veröffentlichten Daten nennen eine mittlere Fläche unter der ROC-Kurve von 0,913 über die 146 Befunde in der internen Kohorte, mit einem 95-%-Konfidenzintervall zwischen 0,911 und 0,915, sowie Werte zwischen 0,874 und 0,912 in Tests an acht externen Zentren. Für vier histopathologisch bestätigte Tumorarten — Leber, Bauchspeicheldrüse, Magen und Kolorektum — reicht der Kennwert von 0,891 bis 0,984. In einer Lesestudie mit 26 Radiologinnen und Radiologen übertraf die eigenständige Treffsicherheit des Modells die von 23 der 26 beteiligten Ärztinnen und Ärzte; mit seiner Unterstützung stieg die diagnostische Sensitivität der Gruppe um rund 10 Prozentpunkte, die Befundungszeit sank um mehr als 30 %. Es handelt sich allerdings um aggregierte, von den Autoren selbst angegebene Kennzahlen: Eine unabhängige Überprüfung an Kohorten, die nicht vom Forschungsteam ausgewählt wurden, fehlt bislang. Beim Datenvolumen klaffen die Angaben auseinander: Ein Teil der Presse nennt 420.000 Untersuchungen, während das offizielle Repository und der Science-Artikel von „über 400.000“ sprechen. Auflösen lässt sich die Differenz am Volltext des Artikels nicht, der maschinell nicht zugänglich ist. Das Team der DAMO Academy, zitiert von der South China Morning Post, nennt es „das weltweit erste generalistische Modell für medizinische Bildgebung auf Expertenniveau“.

Bei der tatsächlichen Einführung treten methodische und rechtliche Schranken zutage. Der Quellcode wird auf GitHub unter der Apache-2.0-Lizenz verbreitet, die auf Hugging Face veröffentlichten Gewichte unterliegen dagegen der Lizenz Creative Commons Attribution-NonCommercial-ShareAlike 4.0, die eine kommerzielle Verwertung untersagt; zusätzlich verweist das Repository auf ein Zenodo-Archiv des Materials. Ob diese Einschränkung den Einsatz der Technik in öffentlichen Gesundheitseinrichtungen Europas erlaubt, die klinische Innovation mit den Anforderungen der Medizinprodukteverordnung und des AI Act in Einklang bringen müssen, ist bislang unklar. Zu regulatorischen Zulassungen für den klinischen Einsatz außerhalb Chinas haben wir in keine Richtung eine Bestätigung aus Primärquellen gefunden: Der Punkt bleibt offen.

Die gewählte Reihenfolge — erst die Begutachtung durch Fachkolleginnen und -kollegen, dann die Freigabe — kehrt die übliche Praxis von Industriestarts um. Offen bleibt, ob die durch eine nicht-kommerzielle Lizenz bedingte Kostenfreiheit für Forschungslabore eine Ressource wird oder für den Klinikalltag ein juristisches Rätsel.

— Olya