北京时间2026年8月24日，量子位公开信息流披露了LiON肝脏恶性病变诊断研究；相关论文已于8月19日在《Nature Medicine》发表。LiON全称为Liver DiagnOsis Network，是一套处理增强CT影像的人工智能系统。论文将它放入现有临床流程，定位为医生阅片之外的额外检查环节，并未给出脱离医生独立作出临床诊断的安排。

研究机构与系统结构

这项工作由中国医科大学附属盛京医院、阿里巴巴达摩院、浙江大学医学院附属第一医院等多家机构共同完成，参与单位分布在中国多个城市，并包括法国和英国的合作机构。论文把高负荷放射科流程中的漏诊和延迟诊断列为待解决问题，研究目标是评估一套可接入日常工作流的诊断安全网。美国临床试验登记平台将盛京医院列为单组试验的研究组织，石喻为主要研究者。

LiON接收增强CT的多期影像，平扫期、动脉期和静脉期为必需输入，延迟期可按数据情况加入。公开的扩展图说明，系统由图像编码器、骨干网络、分类器和分割器四部分组成，通过多尺度特征完成端到端处理，输出患者层面的恶性风险分数，并分割八类肝脏病灶。分割器和分类器使用可学习查询与稠密交叉注意力；存在临床特征时，系统还可通过两阶段、基于分数的逻辑回归把这些信息纳入患者层面预测。

回顾性验证与亚组结果

研究团队使用6,443名患者的数据训练LiON，随后在多中心与真实世界队列合计22,251名患者中进行回顾性验证。论文报告的总体恶性诊断AUC为0.975，95%置信区间为0.971至0.979。AUC衡量模型区分阳性与阴性病例的能力，不是把所有病例判对的百分比，因此不能把0.975改写为97.5%的准确率；这组结果也只对应论文设定的数据与评估方法。

论文还分别报告了两类基础肝病人群的结果。脂肪肝患者的恶性诊断AUC为0.971，95%置信区间为0.952至0.985；肝硬化患者的AUC为0.924，95%置信区间为0.901至0.946。两组数字说明系统在研究样本的这些亚组中仍获得了论文所列的区分表现，但材料没有据此建立它在所有医院、扫描设备或不同医疗体系中的同等性能。

单组试验与协作流程

团队随后在沈阳盛京医院开展单组干预试验，实际入组10,333人，登记编号为NCT07153783。登记记录显示，试验于2025年9月1日开始，10月29日完成主要终点收集，11月7日结束；研究没有随机分组、对照组或盲法。预设主要终点要求恶性诊断AUC的95%置信区间下限高于0.900，论文报告AUC为0.952，区间为0.942至0.961，因此达到登记的统计门槛。

在该临床工作流中，LiON作为额外阅片者与医生协作。论文摘要报告，协作流程找出51个初始报告未记录、经后续复核确认的病灶，其中15个为恶性病灶；流程还促成37份影像报告修订和22次多学科团队升级，并使部分患者的临床管理发生改变。这些是单组试验的次要结果，材料没有提供随机对照比较，不能单凭这些数量判断相对常规流程的净临床获益。

媒体表述与研究边界

量子位信息流标题把LiON概括为肝癌AI模型，并使用了识别一厘米微小肿瘤的表述；其短摘要只确认达摩院与盛京医院等机构共同研发该系统。论文研究对象是范围更宽的肝脏恶性病变，公开摘要和试验登记也没有给出一厘米作为识别下限、平均尺寸或分层结果。因此，本文不把全部病例缩写成原发性肝癌，也不采用未经这些公开材料核实的尺寸数字。

论文作者明确写道，仍需在不同医疗体系开展前瞻性比较研究，以评估系统对临床结局的影响。患者级数据因伦理和隐私限制不公开，合格研究者需经过治理审查、伦理批准并签署数据使用协议后申请；完整LiON代码因专有内部基础设施和待决专利没有公开，公开仓库只含关键算法组件与推理逻辑。阿里巴巴已申请相关专利，四名作者披露为阿里巴巴员工并持有公司股票。