智東西
作者 楊京麗
編輯 李水青

智東西4月28日消息，阿里巴巴達摩院聯(lián)合廣東省人民醫(yī)院等機構(gòu)研發(fā)出腸癌篩查AI模型DAMO COCA，研究論文4月21日登上歐洲腫瘤內(nèi)科學(xué)會官方期刊《腫瘤學(xué)年鑒》（Annals of Oncology），在國際上首次提出了一種無需腸道準(zhǔn)備、患者“無感”的腸癌機會性篩查方法。

▲論文已在《腫瘤學(xué)年鑒》發(fā)表（圖源：達摩院）

在真實實驗中，該模型從2.7萬人的平掃CT影像里，找出了5例此前被漏診的腸癌患者，模型敏感性達到86.6%，特異性達到99.8%。DAMO COCA是達摩院繼胰腺癌AI模型DAMO PANDA、胃癌AI模型DAMO GRAPE后，推出的第三款癌癥篩查AI。

達摩院從2017年成立起布局醫(yī)療AI，提出了“平掃CT+AI”的技術(shù)路線：讓AI從普通CT影像里找出肉眼不易察覺的癌癥病灶，患者不必再額外做檢查。該路線目前已覆蓋胰腺癌、胃癌、腸癌、肝癌、食管癌等消化道五種癌癥。

一、1321例陽性樣本訓(xùn)練，模型敏感性比醫(yī)生平均水平高20.4%

平掃CT在國內(nèi)每年產(chǎn)生上億份影像，單次費用大約兩三百元，常用于體檢、肺結(jié)節(jié)復(fù)查、外傷評估和腹痛排查。如果能直接從這些已經(jīng)拍好的片子里檢出腸癌，患者就不必再多做一道檢查。

但問題在于，腹腔中器官又多又?jǐn)D、腸道形態(tài)復(fù)雜，病灶常藏在腸壁褶皺里，再加上患者沒做腸道清空時食物殘渣會再疊一層干擾，肉眼判讀相當(dāng)吃力。

DAMO COCA采用“先定位、后診斷”的兩階段深度學(xué)習(xí)架構(gòu)，搭配混合監(jiān)督學(xué)習(xí)策略；研究團隊用1321例陽性樣本和1357例健康樣本做對照訓(xùn)練，并對小于3厘米的早期腫瘤做了專門優(yōu)化，便于檢測可疑病灶。

▲模型自動識別結(jié)直腸癌風(fēng)險（圖源：達摩院）

技術(shù)路徑上，達摩院把醫(yī)生在增強CT圖像（注射造影劑、對比度更高，但不能作為常規(guī)檢查手段）上勾畫好的腫瘤位置，配準(zhǔn)到對應(yīng)的平掃CT圖像。這套思路在2023年的DAMO PANDA（胰腺癌）和2025年的DAMO GRAPE（胃癌）上已經(jīng)跑通過，胃癌涉及空腔臟器，難度更接近腸癌的場景。

研究團隊找來10名不同年資的影像科醫(yī)生與DAMO COCA對照閱片。結(jié)果上，DAMO COCA敏感性比醫(yī)生平均水平高20.4%，模型在乙狀結(jié)腸、直腸等易漏部位上的表現(xiàn)突出。而在AI輔助下，醫(yī)生的敏感性和特異性可分別提高14.5%和3.1%，有效減少臨床漏診。

二、回掃27433份CT影像，找回5例此前漏診

研究團隊把DAMO COCA部署到醫(yī)院做了兩輪真實世界試驗，回顧了27433份平掃CT影像，從中找回5例此前被遺漏的腸癌患者。

其中一位患者連續(xù)兩年都拍過平掃CT、都沒被檢出，直到第三年通過腸鏡才確診，腫瘤已進一步增大。該模型可幫助類似情況的患者通過平掃CT更早發(fā)現(xiàn)異常，及時治療。

廣東省人民醫(yī)院放射科主任劉再毅稱，腸道病灶在平掃CT上確實容易被忽略，DAMO COCA這類工具能幫醫(yī)生補上這一短板，下一步要把模型鋪到更多地區(qū)和機構(gòu)，靠大規(guī)模前瞻性研究拿到更扎實的循證證據(jù)。

達摩院資深算法專家、多癌篩查AI技術(shù)負(fù)責(zé)人張靈稱：“達摩院已跑通‘平掃CT+AI’多癌篩查原創(chuàng)技術(shù)路線，用一次平掃CT識別多種癌癥?！蹦壳埃_摩院在胰腺癌、胃癌、腸癌、肝癌、食管癌這消化系統(tǒng)五癌上進展明顯，并持續(xù)推進乳腺癌、腎癌等腫瘤篩查。

▲達摩院多癌篩查進展（圖源：達摩院）

結(jié)語：癌癥早篩路線分化，“平掃CT+AI”覆蓋面高

癌癥早篩是醫(yī)學(xué)研究的重中之重，難點主要在于很難找到一種通用方法，能夠把多種癌一次性篩出來。國際上目前最主流的嘗試是以美國Grail為代表的液體活檢，抽一管血、用基因測序去找ctDNA、miRNA等癌癥信號，但這一技術(shù)目前尚不夠成熟，且費用較高，依賴于用戶主動配合篩查，覆蓋面有限。

“平掃CT+AI”則換了個切入點：不讓患者多跑一趟，把癌癥排查疊加在他們本來就要做的常規(guī)CT上，覆蓋面理論上能大不少。從這次DAMO COCA基本表現(xiàn)來看，這條路徑確實能夠有效彌補傳統(tǒng)手段顧及不到的部分。未來能夠在更多醫(yī)院、更大樣本量上跑出可復(fù)制的結(jié)果，是面向該模型的后續(xù)考驗。