医疗AI再迎破局时刻，但这一次，和大语言模型无关

利用平扫CT识别早期胃癌，正在从不可能变为现实。

6月25日，浙江省肿瘤医院联合阿里巴巴达摩院召开发布会，宣布研发出全球首个胃癌影像筛查AI模型DAMO GRAPE（以下简称为“GRAPE”），该模型可以在平扫CT影像上对胃部病变进行识别，大幅提高胃癌检出率。这一成果已经在近日登上国际顶级期刊《Nature Medicine》。

早诊率低，是中国胃癌防治的关键短板。监测数据显示，中国每年新发胃癌人数近36万，由于发现时多数是晚期，五年生存率不到40%。早期症状不明显，胃镜依从性差，问卷筛查效率低等诸多原因共同导致了胃癌的早诊早治迟迟无法破题。

GRAPE的出现或许将改变这一困局。

在一项涉及近10万多人的回顾性临床试验中，经GRAPE识别后的高风险个体的胃癌检出率约为17%，相比起传统问卷筛查大幅提高，且检出的病例中约40%为无症状患者。

基于此，发布会上，浙江省肿瘤医院和阿里巴巴达摩院宣布将在浙江、安徽等地开展大规模人群胃癌筛查，并向全国推广。

突破胃癌筛查困局

中国是全球胃癌的最高发地区之一，全球将近一半的新发胃癌患者在中国。根据国家癌症中心的数据统计，我国每年约有26万人死于胃癌，在所有癌症中排名第三。

高死亡率的背后是低早诊率。一方面，胃癌的早期症状和普通胃炎几乎一样，患者很难引起足够重视。另一方面，我们也缺乏简单有效的筛查手段。目前胃癌筛查的主流方案是问卷调查，即通过家族病史、生活习惯等条件来筛选高风险人群，再进行胃镜检查。但这种筛查方式检出率偏低，因此临床上推行起来需要耗费大量医疗资源。 此外，胃镜检查依从率低，且不同临床筛查医院胃镜检查水平参差不齐，筛查质量有待提高。

在这个大背景下，浙江省肿瘤医院和阿里巴巴达摩院联合研发出了基于平扫CT实现胃癌筛查的全新工具——GRAPE。

简单来说，GRAPE是一个基于深度学习框架下的模型，最初的训练数据来自于浙江省肿瘤医院的3470例胃癌和3250例非胃癌病例。早期的评估显示，在和13名放射科医生的阅片竞争中，GRAPE的AUC（数值越接近1，代表分类能力越好）为0.92，超过了所有的放射科医生（0.76-0.85）。

更重要的是，在随后的两项真实世界研究中，GRAPE展现出了在大规模胃癌筛查上的巨大潜力。

第一项研究包含了浙江两家地区级医院不同临床环境下的41178名常规患者。GRAPE根据这项患者过往的腹部平扫CT，从中识别出了4645例高风险个体。根据胃镜和随访数据验证，这4645人中有845人被确诊为胃癌，两家医院的检出率分别达到24.5%与17.7%。

第二项研究回到了浙江省肿瘤医院。研究者收集了2022年1月至2024年6月期间在浙江省肿瘤医院进行腹部平扫CT的患者总计37415人，GRAPE识别出的高风险个体为3045人，最终有311人被确诊为胃癌，检出率为12.1%。

这两项研究指向了同一个结论，相比现有手段，GRAPE可以精准识别高风险人群，在筛查效率上有了显著意义上的提升。

论文主要通讯作者、浙江省肿瘤医院党委书记、中国抗癌协会副理事长程向东告诉《健闻咨询》，有效的筛查手段对胃癌防治至关重要。“我们现在最无奈的是什么，就是临床上的首诊病人，30%以上是胃癌晚期。一期的病人有97%-99%的概率可以治愈，但到了四期，不管你用再好的药，平均生存时间也就一年左右，所以我们强调的一定是关口前移。”

胃癌早期筛查的正面案例是我们的邻国日本和韩国。这两个国家分别于1983年和1999实施全国性的胃镜筛查计划。以韩国为例，40岁以上的老百姓两年做一次胃镜，依从性可以达到70%以上，目前韩国胃癌的早诊率和五年生存率都接近70%。

程向东表示，中国人均医疗资源不足，老百姓的依从性普遍不高，做不到全人群的胃镜检查，最可行的方案就是先通过非侵入性诊断方法筛选出胃癌高风险人群，继而进行有目的的内镜下精查。直到GRAPE的出现，为胃癌筛查提供了一种切实可行的新方案。

“我觉得它很可能会改变我们国家乃至全球的胃癌筛查模式。在不做任何准备的情况下，一张平扫CT能够从100个人里挑出6个高危的，按照我们国家现有的医疗资源，满足6%群体的胃镜是没有问题的。所以这个模型应用以后，我们早期胃癌病人的比例会明显提升。”程向东表示。

而从患者视角来看，相比胃部不适的主观感受，一个高敏感性的阳性结果提示，也会大大提高胃镜检查的依从性，从而实现从早筛到早诊早治的闭环。

全球首次用平扫CT识别早期胃癌

这不是阿里巴巴达摩院在癌症影像筛查上的第一个产品。2023年11月，达摩院发布胰腺癌筛查AI模型DAMO PANDA（以下简称为“ PANDA”），突破了“癌王”胰腺癌早期筛查的国际难题，相关论文也于同月发表在顶级期刊《Nature Medicine》。

PANDA的产品形态和GRAPE是一样的，都是通过对平扫CT影像的识别，发现肉眼难以判别的早期癌症迹象。在相关的临床试验中，PANDA从20530名真实世界病患的平扫CT影像中捕捉到了31例胰腺癌临床漏诊病变，其中2例早期胰腺癌患者已经完成手术治愈。

可即便有了类似产品的技术积累，在胃癌筛查系统GRAPE的研发立项之初，无论是浙江省肿瘤医院还是阿里巴巴达摩院，都没有百分百的把握。原因就在于，相比胰腺，胃是一个空腔脏器，其本身的充盈程度、空气的干扰、食物的遮挡，都会影响临床判断，所以几乎没有医生会用平扫CT来做胃部检查。

“说实在的，这个模型在讨论设计的时候，我们的第一感觉是不可能，因为它和我们的常规认知是相悖的。”程向东说，在和达摩院对接前，他们对PANDA筛查胰腺癌的原理做了研究，结论是，胰腺作为一个实质性脏器，通过CT发现肿瘤，也许难，但是理论基础存在。但把这件事平移到胃这样的空腔脏器，“从我们医生的层面说，就是天方夜谭。”

尽管如此，抱着开放态度的浙江省肿瘤医院还是愿意尝试合作。

于是，难题交回给了达摩院的技术团队。他们面临的第一个挑战就是，因为临床上医生难以在平扫CT上标注胃癌，也就意味着没有现成的图像数据可供模型来做深度学习。空有算法，没有数据，一切都是无米之炊。

经过双方的多次碰撞和讨论，一个突破性的构想很快浮现了出来。因为但凡确诊胃癌的患者，都会做增强CT来为后续治疗提供依据。那是否可以让医生在患者的增强CT图像上勾画出肿瘤的形态，再通过图像配准的技术，将标注迁移到平扫CT上。这个时候，技术人员就相当于在平扫CT上给AI提供了精准的肿瘤数据。

“其实到这一步，模型就能自己跑起来了。”论文共同一作、阿里巴巴达摩院高级算法专家夏英达告诉《健闻咨询》，在第一阶段，他们总共向模型输入了3000多例胃癌病例和3000多例非胃癌病例，在大量高质量数据的喂养下，再辅以达摩院在CT+AI领域积累的成熟算法，模型就会形成自己的阈值判断，在胃癌和非胃癌之间做出边界划分。

第一轮训练，模型跑了5天，项目组已经觉得走对了方向——在内部验证环节，模型对早期胃癌的识别准确率在50%-60%之间。

“这个东西你让一个CT医生去看，10个里面有9个半是看不出来的，真的太厉害了，在空腔脏器里做到这样是突破性的！”即便已经过去了数月之久，但当回忆起初步结果出来的那一刻，程向东脸上依然难掩兴奋之情。

经过几个月的迭代优化，GRAPE模型在内部验证中的敏感性和特异性最终达到了85.1%和96.8%。这意味着，模型的假阳性率只有3.2%。

一扫多癌

发布会上，浙江省肿瘤医院和阿里巴巴达摩院宣布，将携手浙江、安徽等地的合作医院展开大规模人群胃癌筛查。

具体的筛查场景可以分为两种。

一是将GRAPE模型直接接入各家医院的PACS系统，类似一个外挂大脑。所有进到PACS系统的平扫CT影像，都会交由GRAPE来识别，一旦发现高风险病例，系统会实时提醒。

论文共同一作、浙江省肿瘤医院胃外科博士胡灿告诉《健闻咨询》，目前这种方式已经在院内运行了一段时间，总共筛查了9600多个患者，其中有147个高危。在这147个高危患者中，有8成是已经确诊的胃癌患者，剩下的20%，他们已经逐个电话通知，建议马上做胃镜诊断。

“我们把这种筛查模式称为机会性筛查。”胡灿表示，举个例子，一个患者因为咳嗽等肺部症状，到医院来拍了CT，但这个CT被模型无意监控到，并告知他在胃部有一个肿瘤隐患，需要做进一步检查，这就是机会性筛查。“机会性筛查的特点是，成本很低，完全依赖已有的检查结果，但可以发现潜在的问题。”

胡灿说，在这次回顾性临床试验中，就有一个非常典型的机会性筛查案例，被他们写入到了论文当中。一个45岁的肺结节患者，在浙江省肿瘤医院做了手术，并分别于2023年2月和10月在医院做了CT复查，肺部无殊。2024年4月，该患者因为进食梗阻来医院就诊，被确诊为胃癌晚期。后来他们用GRAPE对这位患者在2023年10月的平扫CT进行评估，发现报警提示有胃癌风险。

“也就是说，假如医院在2023年就用上了这个模型，这个患者有机会提前半年确诊，那可能还是早期，有95%以上的治愈机会。这就是机会性筛查的价值，可以改变一个人，甚至一个家庭的命运。”胡灿表示。

另一个场景是基层筛查，指的是医院带着可移动的CT设备，到某个定点的社区或乡镇街道，有一些有针对性的筛查项目。目前，国内很多地方都有针对肺癌、甲状腺等部位的公益性CT筛查项目。在不增加政府投入，也不需要老百姓做额外准备的情况下，就能“无缝”接入胃癌筛查。

而无论是哪一个场景，最终指向的都是同一个内核——一扫多癌。它听起有点像“滴血验癌”，都是通过某一种容易的检查方式来同时筛查多种癌症。只是滴血验癌还仅是传说，一扫多癌却已经照进现实。根据阿里巴巴达摩院此前发布的信息显示，其AI+CT的能力已经至少应用于胰腺癌、胃癌、食管癌、结直肠癌、肝癌等多个癌种。

在大语言模型的滚滚热浪下，医疗影像AI还在持续绽放新机。正如《Nature Medicine》 在2023年10月曾为DAMO PANDA撰写的评论文章标题：“基于医疗影像AI的癌症筛查即将进入黄金时代”。