醫療AI再迎破局時刻，但這一次，和大語言模型無關

利用平掃CT識別早期胃癌，正在從不可能變為現實。

6月25日，浙江省腫瘤醫院聯合阿里巴巴達摩院召開發布會，宣布研發出全球首個胃癌影像篩查AI模型DAMO GRAPE（以下簡稱為“GRAPE”），該模型可以在平掃CT影像上對胃部病變進行識別，大幅提高胃癌檢出率。這一成果已經在近日登上國際頂級期刊《Nature Medicine》。

早診率低，是中國胃癌防治的關鍵短板。監測數據顯示，中國每年新發胃癌人數近36萬，由于發現時多數是晚期，五年生存率不到40%。早期癥狀不明顯，胃鏡依從性差，問卷篩查效率低等諸多原因共同導致了胃癌的早診早治遲遲無法破題。

GRAPE的出現或許將改變這一困局。

在一項涉及近10萬多人的回顧性臨床試驗中，經GRAPE識別后的高風險個體的胃癌檢出率約為17%，相比起傳統問卷篩查大幅提高，且檢出的病例中約40%為無癥狀患者。

基于此，發布會上，浙江省腫瘤醫院和阿里巴巴達摩院宣布將在浙江、安徽等地開展大規模人群胃癌篩查，并向全國推廣。

突破胃癌篩查困局

中國是全球胃癌的最高發地區之一，全球將近一半的新發胃癌患者在中國。根據國家癌癥中心的數據統計，我國每年約有26萬人死于胃癌，在所有癌癥中排名第三。

高死亡率的背后是低早診率。一方面，胃癌的早期癥狀和普通胃炎幾乎一樣，患者很難引起足夠重視。另一方面，我們也缺乏簡單有效的篩查手段。目前胃癌篩查的主流方案是問卷調查，即通過家族病史、生活習慣等條件來篩選高風險人群，再進行胃鏡檢查。但這種篩查方式檢出率偏低，因此臨床上推行起來需要耗費大量醫療資源。 此外，胃鏡檢查依從率低，且不同臨床篩查醫院胃鏡檢查水平參差不齊，篩查質量有待提高。

在這個大背景下，浙江省腫瘤醫院和阿里巴巴達摩院聯合研發出了基于平掃CT實現胃癌篩查的全新工具——GRAPE。

簡單來說，GRAPE是一個基于深度學習框架下的模型，最初的訓練數據來自于浙江省腫瘤醫院的3470例胃癌和3250例非胃癌病例。早期的評估顯示，在和13名放射科醫生的閱片競爭中，GRAPE的AUC（數值越接近1，代表分類能力越好）為0.92，超過了所有的放射科醫生（0.76-0.85）。

更重要的是，在隨后的兩項真實世界研究中，GRAPE展現出了在大規模胃癌篩查上的巨大潛力。

第一項研究包含了浙江兩家地區級醫院不同臨床環境下的41178名常規患者。GRAPE根據這項患者過往的腹部平掃CT，從中識別出了4645例高風險個體。根據胃鏡和隨訪數據驗證，這4645人中有845人被確診為胃癌，兩家醫院的檢出率分別達到24.5%與17.7%。

第二項研究回到了浙江省腫瘤醫院。研究者收集了2022年1月至2024年6月期間在浙江省腫瘤醫院進行腹部平掃CT的患者總計37415人，GRAPE識別出的高風險個體為3045人，最終有311人被確診為胃癌，檢出率為12.1%。

這兩項研究指向了同一個結論，相比現有手段，GRAPE可以精準識別高風險人群，在篩查效率上有了顯著意義上的提升。

論文主要通訊作者、浙江省腫瘤醫院黨委書記、中國抗癌協會副理事長程向東告訴《健聞咨詢》，有效的篩查手段對胃癌防治至關重要。“我們現在最無奈的是什么，就是臨床上的首診病人，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，不管你用再好的藥，平均生存時間也就一年左右，所以我們強調的一定是關口前移。”

胃癌早期篩查的正面案例是我們的鄰國日本和韓國。這兩個國家分別于1983年和1999實施全國性的胃鏡篩查計劃。以韓國為例，40歲以上的老百姓兩年做一次胃鏡，依從性可以達到70%以上，目前韓國胃癌的早診率和五年生存率都接近70%。

程向東表示，中國人均醫療資源不足，老百姓的依從性普遍不高，做不到全人群的胃鏡檢查，最可行的方案就是先通過非侵入性診斷方法篩選出胃癌高風險人群，繼而進行有目的的內鏡下精查。直到GRAPE的出現，為胃癌篩查提供了一種切實可行的新方案。

“我覺得它很可能會改變我們國家乃至全球的胃癌篩查模式。在不做任何準備的情況下，一張平掃CT能夠從100個人里挑出6個高危的，按照我們國家現有的醫療資源，滿足6%群體的胃鏡是沒有問題的。所以這個模型應用以后，我們早期胃癌病人的比例會明顯提升。”程向東表示。

而從患者視角來看，相比胃部不適的主觀感受，一個高敏感性的陽性結果提示，也會大大提高胃鏡檢查的依從性，從而實現從早篩到早診早治的閉環。

全球首次用平掃CT識別早期胃癌

這不是阿里巴巴達摩院在癌癥影像篩查上的第一個產品。2023年11月，達摩院發布胰腺癌篩查AI模型DAMO PANDA（以下簡稱為“ PANDA”），突破了“癌王”胰腺癌早期篩查的國際難題，相關論文也于同月發表在頂級期刊《Nature Medicine》。

PANDA的產品形態和GRAPE是一樣的，都是通過對平掃CT影像的識別，發現肉眼難以判別的早期癌癥跡象。在相關的臨床試驗中，PANDA從20530名真實世界病患的平掃CT影像中捕捉到了31例胰腺癌臨床漏診病變，其中2例早期胰腺癌患者已經完成手術治愈。

可即便有了類似產品的技術積累，在胃癌篩查系統GRAPE的研發立項之初，無論是浙江省腫瘤醫院還是阿里巴巴達摩院，都沒有百分百的把握。原因就在于，相比胰腺，胃是一個空腔臟器，其本身的充盈程度、空氣的干擾、食物的遮擋，都會影響臨床判斷，所以幾乎沒有醫生會用平掃CT來做胃部檢查。

“說實在的，這個模型在討論設計的時候，我們的第一感覺是不可能，因為它和我們的常規認知是相悖的。”程向東說，在和達摩院對接前，他們對PANDA篩查胰腺癌的原理做了研究，結論是，胰腺作為一個實質性臟器，通過CT發現腫瘤，也許難，但是理論基礎存在。但把這件事平移到胃這樣的空腔臟器，“從我們醫生的層面說，就是天方夜譚。”

盡管如此，抱著開放態度的浙江省腫瘤醫院還是愿意嘗試合作。

于是，難題交回給了達摩院的技術團隊。他們面臨的第一個挑戰就是，因為臨床上醫生難以在平掃CT上標注胃癌，也就意味著沒有現成的圖像數據可供模型來做深度學習。空有算法，沒有數據，一切都是無米之炊。

經過雙方的多次碰撞和討論，一個突破性的構想很快浮現了出來。因為但凡確診胃癌的患者，都會做增強CT來為后續治療提供依據。那是否可以讓醫生在患者的增強CT圖像上勾畫出腫瘤的形態，再通過圖像配準的技術，將標注遷移到平掃CT上。這個時候，技術人員就相當于在平掃CT上給AI提供了精準的腫瘤數據。

“其實到這一步，模型就能自己跑起來了。”論文共同一作、阿里巴巴達摩院高級算法專家夏英達告訴《健聞咨詢》，在第一階段，他們總共向模型輸入了3000多例胃癌病例和3000多例非胃癌病例，在大量高質量數據的喂養下，再輔以達摩院在CT+AI領域積累的成熟算法，模型就會形成自己的閾值判斷，在胃癌和非胃癌之間做出邊界劃分。

第一輪訓練，模型跑了5天，項目組已經覺得走對了方向——在內部驗證環節，模型對早期胃癌的識別準確率在50%-60%之間。

“這個東西你讓一個CT醫生去看，10個里面有9個半是看不出來的，真的太厲害了，在空腔臟器里做到這樣是突破性的！”即便已經過去了數月之久，但當回憶起初步結果出來的那一刻，程向東臉上依然難掩興奮之情。

經過幾個月的迭代優化，GRAPE模型在內部驗證中的敏感性和特異性最終達到了85.1%和96.8%。這意味著，模型的假陽性率只有3.2%。

一掃多癌

發布會上，浙江省腫瘤醫院和阿里巴巴達摩院宣布，將攜手浙江、安徽等地的合作醫院展開大規模人群胃癌篩查。

具體的篩查場景可以分為兩種。

一是將GRAPE模型直接接入各家醫院的PACS系統，類似一個外掛大腦。所有進到PACS系統的平掃CT影像，都會交由GRAPE來識別，一旦發現高風險病例，系統會實時提醒。

論文共同一作、浙江省腫瘤醫院胃外科博士胡燦告訴《健聞咨詢》，目前這種方式已經在院內運行了一段時間，總共篩查了9600多個患者，其中有147個高危。在這147個高危患者中，有8成是已經確診的胃癌患者，剩下的20%，他們已經逐個電話通知，建議馬上做胃鏡診斷。

“我們把這種篩查模式稱為機會性篩查。”胡燦表示，舉個例子，一個患者因為咳嗽等肺部癥狀，到醫院來拍了CT，但這個CT被模型無意監控到，并告知他在胃部有一個腫瘤隱患，需要做進一步檢查，這就是機會性篩查。“機會性篩查的特點是，成本很低，完全依賴已有的檢查結果，但可以發現潛在的問題。”

胡燦說，在這次回顧性臨床試驗中，就有一個非常典型的機會性篩查案例，被他們寫入到了論文當中。一個45歲的肺結節患者，在浙江省腫瘤醫院做了手術，并分別于2023年2月和10月在醫院做了CT復查，肺部無殊。2024年4月，該患者因為進食梗阻來醫院就診，被確診為胃癌晚期。后來他們用GRAPE對這位患者在2023年10月的平掃CT進行評估，發現報警提示有胃癌風險。

“也就是說，假如醫院在2023年就用上了這個模型，這個患者有機會提前半年確診，那可能還是早期，有95%以上的治愈機會。這就是機會性篩查的價值，可以改變一個人，甚至一個家庭的命運。”胡燦表示。

另一個場景是基層篩查，指的是醫院帶著可移動的CT設備，到某個定點的社區或鄉鎮街道，有一些有針對性的篩查項目。目前，國內很多地方都有針對肺癌、甲狀腺等部位的公益性CT篩查項目。在不增加政府投入，也不需要老百姓做額外準備的情況下，就能“無縫”接入胃癌篩查。

而無論是哪一個場景，最終指向的都是同一個內核——一掃多癌。它聽起有點像“滴血驗癌”，都是通過某一種容易的檢查方式來同時篩查多種癌癥。只是滴血驗癌還僅是傳說，一掃多癌卻已經照進現實。根據阿里巴巴達摩院此前發布的信息顯示，其AI+CT的能力已經至少應用于胰腺癌、胃癌、食管癌、結直腸癌、肝癌等多個癌種。

在大語言模型的滾滾熱浪下，醫療影像AI還在持續綻放新機。正如《Nature Medicine》 在2023年10月曾為DAMO PANDA撰寫的評論文章標題：“基于醫療影像AI的癌癥篩查即將進入黃金時代”。