当“无声”癌症遇上AI“精准捕手”

　　今年4月15日至21日是第32个全国肿瘤防治宣传周，主题为“早防早筛早治 同心携手抗癌”。癌症防治，重在“早”字。早期筛查，是提升癌症五年生存率、减轻疾病负担的关键举措。如今，人工智能(AI)正为癌症早筛的“早”注入更多底气。作为发现早期病变的“精准捕手”，AI技术助力医生突破肉眼观察与临床经验的局限，为传统诊疗赋予“看得早、看得清”的能力，帮助更多患者抓住癌症早期干预的黄金时间窗。

“平扫CT+AI”

　　为破解“不可能三角”提供新路径

　　2023年，60多岁的黄大妈因长期咳嗽到上海长海医院(海军军医大学第一附属医院)检查。本以为只是肺部小问题，未承想一次平扫CT检查却查出她患有早期胰腺癌。经手术治疗，黄大妈预后良好。

　　然而，胰腺癌患者面对的残酷现实是：超过80%的患者确诊时，肿瘤已像藤蔓般扩散，失去手术根治机会。为黄大妈拉响早期警报的正是上海长海医院的胰腺癌筛查AI模型——PANDA。

　　该院放射诊断科曹凯副主任医师介绍，我国胰腺癌发病率并不算高，从卫生经济学角度考虑，不适宜开展全民大规模筛查，这也导致胰腺癌早期筛查技术长期无明显突破。近年来胰腺癌发病率呈上升趋势，且早期症状隐匿、恶性程度高，找到准确、实惠、可及的筛查方法，成为迫切需求。但这三个目标常常是难以实现的“不可能三角”。

　　增强CT是诊断胰腺癌的传统手段。曹凯介绍，检查前需注射造影剂，使病灶与正常组织形成明显对比，便于医生发现异常。但该方法存在明显短板：辐射剂量高，且造影剂有引发过敏的风险，不适合普通人常规筛查。

　　在曹凯看来，平扫CT接受度高、可及性强，是开展筛查的理想手段。但缺少造影剂，医生仅凭肉眼很难在平扫CT图像上发现微小病灶。

　　2019年，AI已在图像处理方面显示出潜力，拥有生物医学工程专业背景的曹凯思考利用AI突破人眼局限，启动“平扫CT+AI”胰腺癌筛查研究。

　　模型构建正是仿照了人的学习过程。曹凯介绍，确诊胰腺癌的患者大多有多期相的CT扫描，研究团队将增强CT上清晰的病灶，精准标注到平扫CT上，作为AI的“教材”，同时整理AI误判案例形成“错题集”，反复优化模型。久而久之，AI炼就“火眼金睛”，能放大并识别平扫CT上肉眼难察的细微病变。

　　研究结果超出预期：PANDA模型通过平扫CT进行病变检测与胰腺导管腺癌鉴别，其准确度均不逊于专业胰腺影像学专家阅读增强CT的水平。全球十家医院多中心研究证实，该模型敏感性达92.9%、特异性达99.9%。相关研究论文2023年11月发表在国际学术期刊《自然·医学》。

　　据了解，依托上海长海医院牵头、该院金钢教授领衔的“四大慢病”国家科技重大专项——“胰腺癌发病机制与临床精准诊治新范式研究”，当前研究团队正在借助这一模型在上海市杨浦区、浙江省嘉兴市南湖区与宁波市鄞州区开展针对胰腺癌的大规模人群筛查。

　　曹凯表示，该模型初步打破了经济性、可及性、准确性的“不可能三角”，为癌症早筛探索出一条新路径。

　　作为PANDA模型的联合研发和技术提供团队，达摩院的目标是通过一次平扫CT识别多种癌症。达摩院医疗AI实验室多癌筛查负责人张灵告诉记者，研究团队针对胰腺癌、胃癌、食管癌、结直肠癌、肝癌5个癌种分别构建起AI筛查模型，已发表多篇论文，获得了美国食品药品监督管理局突破性医疗器械认定等国际认可。目前胰腺癌、胃癌筛查模型已进入前瞻性临床试验，其余三种癌症的临床试验即将启动。

　　“平扫CT+AI”也为多癌筛查打开了新思路。张灵介绍，此前多癌筛查多采用抽血基因测序，依赖高风险人群主动筛查，覆盖面有限。而我国每年开展平扫CT检查超亿次，这种“顺带筛查”的机会性被动筛查模式，可大幅提高筛查覆盖面。

　　张灵表示，研究团队还联合相关医院推进乳腺癌、肾癌等癌种研究，深耕“平扫CT+AI”路径，同时研发低剂量适配技术，以更低辐射实现更小早期病灶的精准捕捉。

　　一管血液揪出乳腺癌早期病变

　　通过一管血液或尿液，借助基因测序寻找癌细胞留下的蛛丝马迹，这类液体活检技术也是癌症早筛的重要路径。而AI的加入，就像给这项传统技术装了“信号放大器”，能更敏锐地捕捉早期病变信号。

　　我国目前正广泛开展乳腺癌筛查，但一期发现率仅有20%左右。浙江大学医学院附属第二医院乳腺外科副主任倪超主任医师介绍，目前乳腺超声与钼靶检查是针对乳腺癌早期筛查的主要手段，但这些检查往往依赖医生的个人经验，而筛查任务多集中于基层单位，易出现漏诊、误诊情况。

　　目前两种主流液体活检技术在乳腺癌早筛领域均未取得实质性突破。倪超解释，基于游离DNA突变位点的检测方法，在早期乳腺癌人群中的检出率不足20%，而基于甲基化的泛癌筛查，对于乳腺癌检查的特异性有待提高，而动辄近万元的检查费用使其难以用于人群常规筛查。

　　为此，浙江大学医学院附属第二医院联合生物科技公司，构建了可专门识别游离DNA碎片特征的TuFEst模型，仅需少量血液，即可在一次检测中同步实现乳腺癌的极早期检测、分子分型及淋巴结转移评估。

　　游离DNA的碎片特征，就是识别癌细胞的“暗号”。“正常细胞和癌细胞凋亡后，都会释放切割后的DNA片段，但两者在片段长度、剪切位点等方面存在明显差异。研究团队借助AI机器学习，从3000多个碎片特征里筛选出最关键的指标，打造了这款乳腺癌筛查模型。”倪超感慨：“没有AI帮忙，纯靠人工找这些特征，堪比大海捞针。”

　　这款模型的核心巧思，在于用“广度”弥补“深度”。倪超解释，以往的基因筛查以测外显子区域及突变点位为主，检测深度达上万×，导致检测费用高昂，而该模型采取超低深度全基因组测序，相当于把将近2万个基因全部测一遍，检测层数只需0.5×～2×，即可全面捕捉游离DNA在片段大小、末端序列、断裂模式等方面的整体特征，大幅降低检测成本。

　　研究结果显示，在26例被超声和钼靶均判定为良性、但后续病理证实为恶性肿瘤的影像漏诊病例中，TuFEst模型成功识别出其中25例，灵敏度达96.15%，且检出病例均为无淋巴结转移的早期肿瘤。

　　不过，这款模型要真正走入临床，仍需经过“真实世界”的考验。研究团队在构建模型时剔除了怀孕、哺乳期、急性感染、活动性乙肝等复杂病例，未来还将纳入复杂场景进一步提升筛查模型的普适性。目前研究团队正在全国多个省份开展前瞻性队列研究，推动其早日服务于临床。

　　人机协同效果优于单打独斗

　　AI融入癌症早筛已经势不可挡。中山大学孙逸仙纪念医院主力研发的宫颈癌筛查AI辅助平台，便是典型应用。自2020年上线以来，该平台已成为病理医生的“黄金搭档”，获得国家三类医疗器械注册证，已覆盖全国20个省市、百余家医院，为宫颈癌早筛提速增效。

　　宫颈细胞学筛查是宫颈癌早筛的核心手段，但一张载玻片上就有两三万个细胞，病理医生完成阅片需耗时3至5分钟，而AI辅助平台仅需1至2分钟就能完成初筛标注。该院细胞分子诊断中心副主任付莎坦言，AI的稳定输出，既让医生从繁琐的基础阅片中解放出来，专注于疑难病理诊断，也有效减少了人为导致的误诊、漏诊。

　　目前，基于影像与液体活检的AI早筛应用是发展较快的两条主流路线。记者了解到，通过呼气、面部照相等检测早期癌症的多款新兴技术也处于积极探索阶段。专家认为，两条主流路线各有侧重、互为补充，液体活检能在分子层面更早捕捉病变信号，影像则能精准定位病灶，弥补前者对部分癌种不敏感的短板。未来理想模式，是整合影像检查、液体活检及多维临床信息，打造多模态AI筛查大模型。

　　AI赋能癌症早筛的应用之路，还有诸多痛点有待破解。最让付莎忧心的是数据问题：宫颈脱落细胞标本需经过固定、巴氏染色制片等多步处理才能导入AI平台，研究阶段的严格质控能保证模型精度，但全国各医院标本处理标准不一，可能影响该平台的实际使用效果。同时，医疗数据涉及患者隐私，本地存储压力较大，她呼吁国家出台相关政策进行规范。

　　推动AI癌症早筛应用真正落地，既需要技术持续迭代，也需要医患同心同向、共同推进。据了解，现阶段部分医生仍持传统诊疗理念，对AI介入早筛态度保守，同时公众认知缺位，不少患者误将阳性病例官方召回电话当作诈骗信息。

　　曹凯认为，现阶段，“AI+医生”的人机协同模式效果必然优于AI单独应用。AI只能作为初筛手段，最终报告还需要医生把关。此外，应加强顶层设计，制定科学的早期筛查策略，聚焦高危人群、采用序贯式筛查，让筛查更具科学性和经济性。