Een generalistisch model voor buik-CT's: de beloften van RADAR, tussen Science en gebruikslicenties

Op 18 september 2026 maakte de DAMO Academy van de Alibaba-groep de code en de gewichten openbaar van RADAR, een vision-language-model dat is ontworpen voor de analyse van buik-CT's met contrastmiddel. Anders dan bij industriële lanceringen gebruikelijk is, ging aan de vrijgave van het systeem de publicatie van de resultaten in het tijdschrift Science vooraf. Volgens de officiële documentatie is het model getraind op meer dan 400.000 radiologische onderzoeken en 15 miljoen beeld-tekstparen; het leerde rechtstreeks uit klinische verslagen, zonder handmatige annotaties, om 18 anatomische structuren en 146 radiologische bevindingen te beoordelen.

De in het artikel gepubliceerde cijfers wijzen op een gemiddelde oppervlakte onder de ROC-curve van 0,913 over de 146 bevindingen in het interne cohort, met een 95%-betrouwbaarheidsinterval tussen 0,911 en 0,915, en waarden tussen 0,874 en 0,912 bij tests in acht externe centra. Voor vier tumorsoorten die pathologisch zijn bevestigd — lever, alvleesklier, maag en colorectum — loopt de maat van 0,891 tot 0,984. In een leesproef met 26 radiologen overtrof de zelfstandige nauwkeurigheid van het model die van 23 van de 26 betrokken artsen, terwijl de ondersteuning door het model de diagnostische sensitiviteit van de groep met ongeveer 10 procentpunten verhoogde en de verslagleggingstijd met meer dan 30% bekortte. Het gaat echter om geaggregeerde cijfers die de auteurs zelf opgeven: onafhankelijke verificatie op cohorten die niet door het onderzoeksteam zijn gekozen, ontbreekt nog. Over het datavolume bestaat bovendien een verschil: een deel van de pers meldt 420.000 onderzoeken, terwijl de officiële repository en het Science-artikel spreken van “meer dan 400.000”. Het verschil valt niet te beslechten aan de hand van de volledige tekst van het artikel, die niet toegankelijk is voor automatisch lezen. Het team van de DAMO Academy, geciteerd door de South China Morning Post, noemt het “het eerste generalistische model voor medische beeldvorming op expertniveau ter wereld”.

Bij de daadwerkelijke invoering doemen methodologische en juridische beperkingen op. De broncode wordt op GitHub verspreid onder de Apache 2.0-licentie, maar de op Hugging Face gepubliceerde gewichten vallen onder de licentie Creative Commons Attribution-NonCommercial-ShareAlike 4.0, die commerciële exploitatie verbiedt; de repository verwijst daarnaast naar een Zenodo-archief van het materiaal. Of die beperking het gebruik van de technologie binnen Europese publieke zorginstellingen toelaat, is nog onduidelijk: die instellingen moeten klinische innovatie afwegen tegen de eisen van de verordening medische hulpmiddelen en de AI-verordening. Over toezichtrechtelijke goedkeuringen voor klinisch gebruik buiten China vonden we in geen van beide richtingen bevestiging uit een primaire bron: dat punt blijft open.

De gekozen volgorde — eerst de peer review, dan de vrijgave — is het omgekeerde van wat bij industriële lanceringen gangbaar is. De vraag is of gratis beschikbaarheid onder een niet-commerciële licentie een hulpbron wordt voor laboratoria of een juridische puzzel voor de ziekenhuisafdelingen.

— Olya