食管早癌在平扫CT上看不见，AI靠什么把它找出来

做肺癌筛查拍的低剂量 CT，现在有可能顺带查一次食管。

Nature Medicine 在 2026 年 9 月 22 日在线发表了一项中国研究，模型叫 EAGLE，任务是从胸部平扫 CT 上找出食管癌和癌前病变。先把结论摆在前面：对已经长成形的食管癌，它在外部测试里挑出了 90.0%；对还停留在黏膜层的癌前病变，只挑出 52.5%。

相差的这将近一半，决定了它该站在什么位置：把人分流去做胃镜，而不是替代胃镜。

平扫CT上为什么一直看不出食管早癌

90% 这个数字的分量，要从食管在 CT 上有多难看清说起。

食管是一条塌着的空管。不吃东西的时候管腔基本闭合，前后壁贴在一起，在横断面上只是纵隔里一个扁扁的小结构。它紧贴着心脏和主动脉，心跳和呼吸会把它带着动，图像上留下运动伪影。平扫又没有打对比剂，管壁和周围的软组织密度接近，边界本来就模糊。

更关键的是早癌本身有多小。食管鳞癌起源于黏膜的鳞状上皮，癌前病变（高级别上皮内瘤变）还局限在上皮层里，连基底膜都没突破。上皮层的厚度不到 1 毫米，而胸部 CT 常规重建的层厚在 1 毫米到 5 毫米之间。病灶还没把管壁撑厚的时候，它在 CT 上几乎留不下可测量的痕迹。

胃镜走的是另一条路。它直接看黏膜表面，碘染色能让正常鳞状上皮染成棕褐色、病变区域不染色，病灶的边界一眼就显出来。一个看密度和形态，一个看黏膜表面的化学反应和微血管，两种检查的能力上限从原理上就不一样。

所以在相当长的时间里，平扫 CT 查食管早癌一直被当成做不到的任务。这项研究的论文摘要里也用了「历来被认为不可能」这样的措辞。

这个模型做了什么，样本有多大

EAGLE 用两家中心 6813 例患者的 CT 做训练，然后拿到 12 家中心、3 个国家、共 80612 例患者身上验证。这个量级在医学影像 AI 里不算常见，它决定了后面每个数字的可信度。

验证分成几种场景，各自回答一个不同的问题。

机会性筛查，指的是患者本来因为别的原因做了胸部 CT，模型在已有图像上顺带读一遍食管。8 家外部中心、11466 例：特异度 98.5%，食管癌敏感度 90.0%，癌前病变敏感度 52.5%。

低剂量 CT 的验证回答的是「能不能搭在肺癌筛查里」。2 家中心、1607 例，表现与常规剂量相当。这一条的意义在于，低剂量 CT 是目前中国和欧美肺癌筛查的标准手段，已经有成规模的人群在做；如果食管也能在同一张图上读出来，等于不额外增加一次扫描、一次辐射、一笔费用。

真实世界队列里的校准最能说明问题。3 家中心、35402 例，重新定阈值之后假阳性减少了 72.7%，敏感度没有丢。能做到这一点，是因为模型输出的本来就是一个连续的可疑程度评分，而不是非黑即白的判断；把报警线往上提，漏掉的真病灶会增加，但在真实人群的分布里找到合适的报警线，就能在几乎不漏的前提下砍掉大部分误报。

90% 和 42% 回答的是两个不同的问题

前瞻性医院验证（17446 例）里，阳性预测值是 42.2%。被模型标出来的人，最后约四成确诊。

特异度 98.5%，阳性预测值却只有 42.2%，看着像矛盾，其实是筛查的常态。

特异度说的是「没病的人里有多少被判为阴性」，阳性预测值说的是「被判阳性的人里有多少真有病」。后者不只取决于模型的好坏，还取决于这群人里本来有多少病人。食管癌在普通人群里的患病率是千分之几的量级，哪怕只有 1.5% 的健康人被误报，绝对人数也远远超过真正的病人。基数不同，比例就被稀释。

这也解释了另一个数字为什么要紧：真实世界低剂量筛查队列（10959 例）里的特异度是 99.94%。从 98.5% 提到 99.94%，听起来只差一个多百分点，落到人头上是每一万人里误报从一百多个降到六七个。筛查能不能铺开，往往就卡在这一步。误报的人要去做一次胃镜，查完是虚惊一场，耗掉的是内镜资源和这些人的时间。

还要留意 42.2% 这个数字来自医院就诊人群，里面本来就有症状、有危险因素的人更多。换成没有症状的体检人群，患病率更低，同样的模型阳性预测值还会往下掉。

为什么癌前病变只挑出一半

52.5% 这个数字不是模型做得不够好，是 CT 这种检查本身的天花板。

癌前病变还没有突破基底膜，管壁的厚度和密度几乎没变，CT 的空间分辨率和密度分辨率都探不到。到了浸润癌，肿瘤已经长进黏膜下层甚至肌层，管壁局部增厚、形态不对称，这些变化才进入 CT 能分辨的范围。90.0% 和 52.5% 之间的落差，对应的正是病灶有没有把管壁撑起来。

在配对的 CT–胃镜队列里（2 家中心、702 例），把工作点调到更高的敏感度一侧，癌前病变的敏感度升到 65.0%，I 期食管癌升到 78.4%。调高敏感度就要付出特异度的代价，这是同一条 ROC 曲线上的取舍，没有两头都占的办法。

所以这项研究改动的是诊断链条的入口，不是终点。它把「谁该去做胃镜」这个问题，从只能靠年龄、地域和生活习惯去推测，变成多了一个来自影像的客观信号。确诊仍然要靠胃镜加活检，病理才是金标准。

同一张片子，为什么医生没看出来

把这项结果说成「AI 比放射科医生强」并不准确，两者做的本来不是同一件工作。

胸部 CT 的阅片有明确的重点。做这项检查多半是为了肺、心脏、纵隔或者骨，一次扫描几百张图像，医生按既定顺序逐个结构看过去，食管只是顺带扫一眼。读片的时间是有限的，注意力分给谁，由检查目的决定。

还有基数的问题。筛查人群里绝大多数是阴性，连续看过成百上千张正常的食管之后，一处轻微的管壁不对称很容易被归进正常范围。这是人的注意力在长时间重复任务下的固有特点，和医生水平无关。

模型的优势正好落在这里：它对每一张图的每一段食管都用同一个标准判断，不会因为前面看了九百个正常病例就放松尺度，也不会因为检查单上写着「查肺结节」而少看食管几眼。它给出的是一个提示，最终判断仍然回到医生手里。

离真正用上还差什么

这项研究证明的是「找得到」，没有证明「找到之后活得更久」。

筛查有没有价值，最终要看它能不能降低这个癌的死亡率，这需要长期随访和对照人群。研究里报告的是敏感度、特异度、阳性预测值这些诊断性能指标，没有死亡率终点。早期发现与延长生存之间还隔着一段路：查出来的人要真的接受内镜下切除或手术，随访要跟上，才可能把生存曲线拉开。

人群构成也要考虑。研究以中国的中心为主，中国的食管癌以鳞癌为绝大多数，好发在食管中段；欧美以腺癌为主，多发生在食管下段和胃食管结合部，背景常常是胃食管反流和巴雷特食管。两种癌的位置和生长方式都不同，模型在以腺癌为主的人群里表现如何，需要单独验证，不能把这里的数字直接搬过去。

现在能用上的是哪一条

模型还没有进入国内的常规诊疗，但有一条建议不用等它。

国家卫生健康委《食管癌诊疗指南（2022年版）》把 40 岁以上并有下列任一情况的人列为食管癌高危人群：来自食管肿瘤高发地区、有食管肿瘤家族史、吸烟、重度饮酒、患过头颈部或呼吸道鳞癌、喜食高温及腌制食物、口腔卫生状况不良。符合这些条件的人，推荐做内镜下食管黏膜碘染色筛查。

另外，已经做过胸部 CT 的人，报告上如果写了食管管壁增厚、局部软组织影这类描述，值得拿着片子找消化科或胸外科再看一次，判断要不要进一步做胃镜。CT 报告里这类提示过去常常被当成次要发现一带而过，这项研究恰好说明，那里确实藏着可以用的信息。

食管癌的早晚之分，直接写在治疗方式上。癌前病变和局限在黏膜层的早癌，多数可以在内镜下切除，保住食管，恢复也快；等到有明显吞咽困难才就诊，病灶往往已经侵到肌层以外，要走手术加放化疗的路，代价与前者判若云泥。把筛查的入口做宽一点，价值就在这里。

参考来源

Zhou J, et al. Nat Med 2026 (EAGLE)

国家卫生健康委员会，食管癌诊疗指南（2022年版）

AI 辅助整理，作者审核；内容仅供参考，具体诊疗请遵医嘱。