【亿邦原创】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，发病凶猛，极难治愈；目前临床指南缺乏有效筛查手段，因为容易出现漏诊或误诊。所以现在还没有高敏感性、高特异性的胰腺癌筛查手段。
11月21日，国际医学顶级期刊《Nature Medicine》最新研究表明，通过“平扫CT+AI”，人类首次拥有了大规模早期胰腺癌的筛查手段。
这是AI在医疗领域的一次新尝试。阿里达摩院（湖畔实验室）联合全球十多家顶尖医疗机构，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，就在2万多真实世界连续病人群体中发现了31例临床漏诊病变，其中2例早期胰腺癌病患已完成手术治愈。
《Nature Medicine》 就此专门刊发评论文章：“基于医疗影像AI的癌症筛查即将进入黄金时代”。
1、
癌症是全球最重要的公共卫生问题之一。世界卫生组织（WHO）的研究数据显示，有三分之一的癌症可通过早发现、早诊断、早治疗实现治愈。
然而，现有的癌症筛查手段的可靠性有待提高，且仅适用于特定类型的癌症，社会上缺乏一种可及性高、通用型的筛查技术来对大规模无症状人群进行癌症筛查。
欧美目前在多癌症筛查上有望突破的研究方向是“滴血验癌”，即通过捕捉血液中的肿瘤组织的ctDNA碎片实现多癌种的筛查。这个方向具有一定理论基础，但仍然存在补获能力差、检出率低、个体化差异导致泛化性能差、价格过高等问题。
在最新论文《Large-scale pancreatic cancer detection via non-contrast CT and deep learning》中，基于阿里达摩院的医疗AI技术，上海市胰腺疾病研究所、浙江大学医学院附属第一医院、中国医科大学附属盛京医院、复旦大学附属肿瘤医院、布拉格查理大学第一附属医院、上海交通大学医学院附属新华医院、约翰霍普金斯大学等机构首次提出以“平扫CT+AI”进行大规模的胰腺癌早期筛查。
平扫CT又称普通扫描，指的不用任何的一个造影剂，不用任何的其他的手段，只需要病人躺在床上，进行一个简单的普通扫描。平扫CT的意义，首先初步发现疾病，如果平扫CT发现问题，经过大夫判别，比如影像科大夫发现一个问题，这个时候就可能需要一个增强CT。是否增强则由影像科大夫决定。
平扫CT大量用于各类的门诊、体检场景。过去由于平扫CT图像的对比度极低，多用于肺炎、肺结节等日常疾病诊断，医生也没有在平扫CT上受过癌症诊断的训练经验，而现有的癌症早筛模型大多面向特征更明显的增强CT。因此，采用“平扫CT+AI”的方式进行大规模的无症状人群的癌症筛查，在本次论文发表前，为业内的首次尝试。
2、
“平扫CT+AI”这一癌症筛查的灵感来自上海市胰腺疾病研究所的曹凯医生的真实经历。
大学期间，曹医生在上海某三甲医院实习。他当时的导师也是该院的肠胃外科主任，不幸确诊胰腺癌，发现时已是晚期，病情迅速恶化。国内顶尖的胰腺疾病治疗中心，在晚期胰腺癌面前依然缺乏有效的治疗手段，导师最终因医治无效逝世。
痛惜之余，曹医生在翻看其导师的病历数据时发现，导师在确诊胰腺癌的十个月前，曾在医院体检时拍过一次胸部平扫CT，仔细察看，胰腺部分确实有一丝病变痕迹。但由于注意力机制，当时拍片只是为了筛查肺结节，无人往胰腺恶性肿瘤的方向诊断。
曹医生由此萌生一个想法：假若所有胰腺癌患者都能在确诊前的十个月，通过体检提前发现癌症病灶，并进行根治性的手术切除，将获得更好的生存质量。
2022年，达摩院医疗AI团队与曹医生接触后，了解到这一故事，也注意到胰腺癌的早筛早治具有重要的临床意义，随即联同全球10多家顶尖机构发起研究课题，研究以“平扫CT+AI”进行大规模的胰腺癌早期筛查。
针对胰腺癌变位置隐匿、在平扫CT图像中无明显表征等特点，研究团队构建了一个独特的深度学习框架，最终训练为胰腺癌早期检测模型PANDA：
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来分类并识别胰腺病变的类型。
简而言之，这项技术利用AI放大并识别平扫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，并克服了过往筛查手段假阳性偏高的难题。
此外，达摩院团队还提出一种知识迁移的训练方式，即利用图像配准技术将增强CT上的先验知识迁移至平扫CT的数据集上，将不同胰腺肿瘤的局部特征与全局特征编码进上述框架，并用病理金标准确认的肿瘤类型用于监督AI的训练，一举解决过往AI识别癌症时普遍存在的勾画难、标注难、训练难等问题。
曹凯医生介绍，这项研究构建了迄今最大的胰腺肿瘤CT训练集（包括3208名真实病人），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。
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。
3、
这或许是人类与“癌症之王”的斗争中第一次掌握了主动权。
当前，AI已深入应用于医疗流程等方方面面。在一些基于医学图像的疾病检测及诊断任务上，AI展现超人的性能，尤其是在放射影像科、病理科等拥有大量临床数据的科室，AI作为辅助诊断的工具，开始帮助医生分担部分工作，提高医疗决策的准确性与效率。
“AI应该解决那些尚未得到解决、而病人又真切需要的临床需求。我们需要在病人性命攸关的临床问题上，做出不可或缺的贡献。” 这是达摩院医疗AI团队负责人吕乐对于技术的第一性原则，也是达摩院长期致力于AI与医学影像的融合研究的出发点。
目前，达摩院医疗AI团队重点布局了精准癌症诊疗、精准慢性病诊疗、神经退化性疾病预筛三大方向，与浙大一院、复旦肿瘤、北医三院等多家三甲医院建立深厚的临床科研合作关系，其医疗AI产品已成功对接落地30+家医疗影像合作伙伴，累计落地医疗机构数达1000+家，为全球2000+万人次提供智能化医疗健康服务。
计算机视觉奠基人之一、IEEE Fellow、约翰·霍普金斯大学教授Alan Yuille认为：目前的医疗AI系统普遍在在训练样本平衡下表现出色，但是应用到真实环境往往会有域差距（Domain Gap），尤其是在大量阴性样本上测试的时候会表现欠佳，有较多假阳性出现；PANDA在真实世界的验证和迭代的模式让其保持非常高的特异性，展现了鲁棒的性能，值得推广。
文章来源：亿邦动力
