11月21日，国际医学顶级期刊《自然·医学》(Nature Medicine) 发布论文称，通过“平扫CT+AI”，人类首次拥有了大规模早期胰腺癌筛查手段。

该研究将AI用于体检中心、医院等无症状人群的胰腺癌筛查，只需要最简单的平扫CT，在2万多真实临床场景中的连续病人进行筛查的过程中，共发现了31例临床漏诊病变，其中2例早期胰腺癌患者已完成手术治愈。

《Nature Medicine》就此专门刊发评论文章称：“基于医疗影像AI的癌症筛查即将进入黄金时代。”

胰腺癌，素有“癌症之王”的称号，平均五年生存率不到10%，是中国乃至全球生存率最低的恶性肿瘤。

80%的胰腺癌一旦发现就是晚期，目前临床指南缺乏有效的胰腺癌筛查手段，体检及医院常用的平扫CT图像对比度低，也很难识别早期胰腺病变。

在这里，研究人员开发了一种深度学习方法——人工智能胰腺癌检测PANDA，可以通过非造影 CT 高精度检测和分类胰腺病变。

该模型一是通过构建分割网络（U-Net）来定位胰腺，二是采用多任务网络（CNN）来检测异常情况，三是采用双通道Transformer模型来分类并识别胰腺病变的类型。

PANDA在腹部平扫 CT 扫描训练集上进行了训练，该训练集来自一家高容量胰腺癌机构、上海胰腺疾病研究所 (SIPD)、直属三级医院的3,208 例患者的腹部平扫 CT 扫描，并进行两年的随访确认。

图：PANDA的开发、评估和临床转化概述

最终通过全球十多家医院的多中心验证，测得92.9%的敏感性（判断存在胰腺病变的准确率）和99.9%的特异性（判断无病的准确率），在2万多人的真实病例回顾性试验中，发现了31例临床漏诊病变，有2例早期胰腺癌病患已完成手术治愈。

据悉，截至目前，这项技术已在医院、体检等场景被调用超过50万次，每1000次只出现一次假阳性，未来将持续进行多中心前瞻性临床验证，以期改写“胰腺肿瘤不推荐筛查”的悲观论点。

简而言之，该技术利用A1，放大并识别平CT图像中那些肉眼难以识别的细微的病灶特征，实现高效、安全的早期胰腺癌检测，并克服了过往筛查假阳性偏高的难题。

不过文中也提到，上述实验验证了PANDA的临床实用性，但仅限于病理证实的胰腺病变（因此风险较高）和中等数量的正常病例。

目前尚不清楚 PANDA 是否可以很好地推广到现实世界人群，包括具有较低风险病变的患者（例如慢性胰腺炎和分支导管 IPMN）以及具有正常胰腺的大量不同受试者。

在实际临床中的应用也需要评估，包括该工具在临床上能否安全、高效，不会出现大量假阳性结果，需要不必要的后续测试和额外的时间来排除。

参考链接：

https://www.nature.com/articles/s41591-023-02640-w

—The End—
推荐阅读