體檢難以查出的癌癥，用AI居然可以？！

一位女士連續十年體檢結果都顯示正常，卻突然被確診為晚期癌癥。這事兒最近刷屏了——原來體檢報告上的“一切正常”，有時候還真不一定能揪出那些潛藏的壞細胞。

《自然·醫學》雜志上近期刊登的一項中國研究發現：AI可能是個神助攻！科學家們訓練了一個AI，只靠普通的平掃CT，居然成功識別出了早期胃癌！

而且，在此之前，他們在胰腺癌上也進行了成功的驗證。抱著強烈的好奇心，我最近去了阿里達摩院，與論文一作、AI圖像識別專家夏英達博士深度暢聊，看他和團隊如何把AI煉出“火眼金睛”，將日常CT檢查變成癌癥早篩工具，而且，這技術已經在醫院用上啦！

夏英達

阿里巴巴達摩院

醫療AI實驗室算法工程師

文字內容摘自本期播客，完整音頻見文末

特別感謝音頻剪輯伙伴：沒事喵一個

菠蘿：最開始想到用平掃CT做癌癥篩查是誰的想法？

夏英達：這個項目源于我們合作的曹醫生的經歷。這是一個有點悲傷的故事，他的一位老師五十多歲時因胰腺癌去世。曹醫生后來查看老師兩年前的胸部CT平掃片子時，憑借經驗發現那時已有胰腺癌的跡象。

常規胸部CT平掃主要用于檢查肺部結節等問題，但也會掃到部分胰腺。經驗豐富的醫生在知道患者后來得了胰腺癌的前提下，回顧性仔細查看這些CT片，是有可能發現早期跡象的。因此，曹醫生想到，能否利用這些日常體檢中產生、但通常不用來看胰腺的平掃CT數據，借助AI早期發現胰腺癌。

但實現這個想法很困難：人眼在平掃CT上識別早期胰腺病變本身就很難；目前也沒有相關的臨床規范；醫生缺乏這方面的培訓；我們也沒有前期研究或經驗支持。胰腺癌發病率低，篩查工具精度必須非常高，假陽性太多會帶來巨大負擔，失去篩查意義。所以最初的嘗試完全是偶然的。

但初步結果意外發現，AI識別的準確率相當高，這里面當然有運氣成分，很多科學研究的突破，多多少少都有點好運加持。

我在博士期間也做了很多一線影像的工作，當時我所在的霍普金斯醫學院有一位合作的世界知名放射專家，我們也請教過他的觀點，當時他給出的意見是“Don't think about it”，也就是說平掃CT來看胰腺癌完全不可能，這符合醫生的普遍認知和我們早期實驗的觀察——即使在PET-CT上，人眼識別早期胰腺癌也很困難。

但是嘗試性的成功試驗給了我們很大的信心，決定深入研究。從想法到初步實驗很快，只用了幾個月。但從初步結果到嚴謹驗證則耗時很長：需要提升算法精度；醫學數據收集困難，實驗設計復雜；整個詳細驗證過程花了1到2年。完成這些后，我們才將研究投稿。

菠蘿：所以我很好奇，你們給AI喂了多少片子和數據，才能有這么高的精度？

夏英達：其實是一家一線城市醫院連續幾年的數據和病。因為胰腺癌還是相對比較罕見的，我們用了大幾千個腫瘤數據，在這個領域算是數據體量比較大的。大部分胰腺癌是沒法手術的，而我們只用了可以手術的病例，希望能發現早期的可手術的胰腺癌，發現之后有辦法進行處理，如果很晚期的胰腺癌其實提示意義也不大了。

菠蘿：你們是把可以手術的胰腺癌患者的平掃CT片子喂給了AI，然后讓它來研究一下有什么特點嗎？

夏英達：從科普的角度就是這個意思。但平掃CT其實分辨率相對較低。給AI去看它也是一頭霧水，不知道看什么東西。所以要想進一步提高精度，就需要一些其他的模型設計。

一個關鍵的設計是利用增強CT。我們收集了配對的平掃CT和增強CT數據，拿到這個數據后，醫生在知道患者確診胰腺癌的前提下，可以在增強CT上比較準確地勾畫出胰腺腫瘤的位置、形狀和邊界。然后，我們再反過頭來，通過圖像配準技術，將增強CT上醫生標注的精確腫瘤信息（位置、形狀等）對應到同一次檢查的平掃CT圖像上。這樣，AI在分析平掃CT時，就能明確知道需要關注的目標區域和特征，也就是有了挖掘的目標，從而更有效地學習到相關的特征，那它就知道要“看”什么了。

還有一個很有趣的現象，CT圖像具有很寬的色彩分辨率（例如從-1024到1024或更高），并且是連續的灰度圖像，這個是高于人眼的。人眼對灰度差異的分辨能力有限，但對于AI而言，處理的是數字本身，不受這種限制。因此，AI可能比人眼更能捕捉到平掃CT中細微的數值變化和模式，我們推測這可能是AI在該任務上表現更好的原因。

菠蘿：所以未來的目標就是，在不知道這個人有沒有得胰腺癌的情況下，通過CT判斷是否有相關風險。未來會應用到別的腫瘤嗎？

夏英達：我們現在也應用到了胃癌，思路是類似的，也是先由醫生在增強CT上去畫，然后再反過來對應平掃CT。我們希望這套思路能夠應用在更多的腫瘤病種，目前也在逐步驗證中，經過嚴謹的驗證之后再進發布。因為癌癥是很復雜的疾病，各個癌種一個一個解決，其實會更嚴謹。

菠蘿：在做胃這種器官的時候，和胰腺會有區別嗎？

夏英達：有一個根本性的區別，胰腺是實性臟器（腺體），其腫瘤在CT圖像上相對更容易觀察，一個實性腫瘤生長在實性器官上，對比度相對明顯。而空腔臟器（如胃、食管、腸道）則不同，其內部是空的，腫瘤往往生長在內壁上。這給我們帶來了巨大挑戰。與臨床醫生交流時，他們也會認為在空腔臟器上用CT檢測腫瘤是更不可能完成的任務。通常情況下，胃癌、腸癌、食管癌的發現和確診通常依賴內鏡檢查和活檢，強調“眼見為實”。

因此，我們未來的工作其實可能會在這個問題上有重大突破——我們發現這套技術方案在空腔臟器上也具有可行性！這意味著其潛力可以拓展到更多空腔器官。尤其在中國，胃病受到高度重視且極為常見。如果能在消化道腫瘤（如胃癌）上驗證我們技術的有效性，其實是非常有意義的事情。

當然，我們也希望探索其他腫瘤類型，但在實際操作中面臨很多困難。在相同數據規模和技術方案下，胃癌篩查的性能遠低于胰腺癌；其實也體現了消化道腫瘤的檢測難度確實遠高于實性臟器。

機緣巧合下，我們與浙江省腫瘤醫院達成了合作。對方給予了我們極大的支持，我們兩個團隊緊密協作。尤其幸運的是，醫院程書記本人正是胃癌領域的權威專家，他的參與給了我們很大的信心。作為科研工作者，我們渴望挑戰那些“不可能”的任務，因為這樣的成果才更具影響力。正是通過這種深度的緊密合作，我們逐漸達成目標，最終在胃癌篩查上也達到了令人滿意的精度水平。

菠蘿：說到CT這事兒，因為CT是有輻射的，那我們能不能把這個技術用在別的影像上，比如核磁？

夏英達：同樣的技術方案在核磁上理論上是可以嘗試的，但是我們為什么選擇CT？首先CT的量是最大的，尤其是新冠幾年，拍了很多的肺部影像，而且現在CT的劑量是越做越低的。現在大家去做體檢都是做的低劑量CT，帶來的輻射幾乎對人體沒有影響。另一方面，核磁現在最大的問題其實就是慢，又慢又貴，經濟負擔會大一些。其實不同的影像在AI眼里都差不多，都是數據的統計和歸納。

菠蘿：現在這個東西是在研究層面，還是已經布局到醫院了？

夏英達：已經落地了，我們在多家醫院都已經實際部署了相關AI工具。比如最新的胃癌篩查模型，現在已經在浙江省腫瘤醫院全量使用了。這意味著，醫院里任何科室、出于任何目的進行的CT檢查，其圖像都會自動經過該模型分析，實現機會性的癌癥風險篩查。該工具也將很快推廣至更多醫院，開展前瞻性的臨床試驗。

從臨床角度看，該工具的核心作用是提示風險。當模型判定結果為陽性（高風險）時，醫生會進行復核。若醫生也認為情況可疑，便會主動聯系患者，告知其胃癌或胰腺癌高危風險，并建議其接受進一步檢查。如果患者同意，則通過后續檢查明確診斷，這其實是一個比較好的發現早期癌癥的路徑。

我們必須保證模型的特異性很高，因為如果特異性低了，假陽性率就會特別高，假如特異性90%，聽起來已經很高了，但是如果做一個10萬人的篩查，將產生1萬人的假陽性，醫生需要復查海量的結果，對社會、醫院和個人都是很大的負擔。因此，模型實際應用時必須確保其特異性極高，假陽性率極低——我們的目標是將特異性嚴格控制在99%以上。

菠蘿：在醫院里運行這套流程有挑戰嗎？會有人不相信嗎？

夏英達：確實 很難，畢竟這些患者本身就不是來做胃部檢查的，可能是感冒或者哪兒疼，隨便拍了一個CT，過兩天接到電話被告知有胃癌的風險，那第一反應肯定是詐騙，這是非常正常的想法。所以現在一個最大的問題就是患者的依從性不佳，召回率較低。

我們一直在努力提高AI工具的準確率，也希望大家一旦被提示高危，能多聽醫囑，因為這并不是單獨由AI給出的結論，而是AI輔助下，經驗豐富的醫生給出的判斷，是相對準確的。這項服務也沒有收費，就是希望能夠盡可能發現更多的早期癌癥，挽救更多人的生命，因為早期和晚期的治療結果真的差別很大。

菠蘿：有沒有讓你印象特別深的案例？讓你覺得這件事真正幫到人了？

夏英達：有一個患者讓我感觸很深。她是一位很年輕的女性，父母是聾啞人。開始因為咳嗽做了胸部CT，AI提示胰腺癌陽性，經過醫生的確診，就想把她召回復診。但是總是無法說服她，她一直說如果去做手術，父母就沒人照顧了。即使這樣，醫生也沒有放棄，堅持不懈地提醒她，要是不及時檢查，后面可能更沒法照顧父母。這位醫生的精神也非常令人感動，真的就是純粹地想救人。最后，正是因為醫生的不斷提醒，患者在其他醫院做了手術，發現真的是極早期的胰腺癌，治療后基本不影響壽命，其實這是非常罕見的事情。

菠蘿：發現極早期胰腺癌真的很難，因為沒有任何癥狀。是不是也要掃好多好多CT才能發現一兩個這種案例？

夏英達：是的，我們的技術已累計應用于十幾萬例的篩查。令人鼓舞的是，其中約50% 被發現的胰腺癌病例處于早期、可手術階段。尤為關鍵的是，這些發現均是在患者尚無任何胰腺相關癥狀的常規檢查中實現的。這就證明，利用該工具對無癥狀人群進行篩查，確實具備在早期階段識別出胰腺癌并爭取治愈機會的潛力。正如前面提到的病例，不僅能幫助患者，更是由此挽救一個家庭。

菠蘿：現在還有很多的其它篩查工具，包括液體活檢、無創篩查等，咱們這種技術在哪些方面會有比較好的優勢呢？

夏英達：首先，基于影像的篩查是相對客觀的——如果影像已經有表現了，其實有沒有腫瘤是比較明確的。另一方面，液體活檢肯定是非常有價值的，也是最近非常火的方向和趨勢，未來應該是各種方式相輔相成。

癌癥的檢出絕不可能依賴單一方法。無論是當前熱門的液體活檢，還是我們探索的基于CT的機會性篩查，都在向覆蓋多癌種的方向發展。未來，整合多種檢測方式、多種篩查策略，將有效推動癌癥診斷窗口前移，使更多癌癥在更早期階段得以確診——這無疑是降低癌癥死亡率的最有效途徑。

菠蘿：所以基于胃癌也好，或者胰腺癌，你們下一步的計劃是什么呢？

夏英達：我們首先是想把這個事情做到底，除了單點突破，還要去把前瞻性臨床試驗驗證做好。所謂前瞻性，就是將我們的軟件實際部署到醫院等臨床環境中，通過收集和分析數據，切實評估未來能否提升早期診斷率并最終改善患者生存預后。

與此同時，拓展篩查癌種也是我們重要的努力方向。目前，針對食管癌、結直腸癌、肝癌等癌種的篩查模型也正處于驗證階段。我們最終的目標，是開發一個泛癌種篩查工具，也就是就是用一個CT把所有的癌癥都篩查了。

菠蘿：從AI應用到臨床上來說，你個人比較看好的幾個方向是什么？

夏英達：其實AI能在醫療上做的事情是非常多的，我們只是集中在了其中一個非常小的子領域。想象一下，當患者進入醫院，最基礎的需求之一就是精準導診——現在利用大語言模型來優化分診流程的應用已經非常多了。

菠蘿：我聽過一個笑話，就是有人乳腺上長了一個包，他去到胸外科，結果被告知胸外科不是看胸外的事情，是看胸內的事情——胸外科是看肺部的……所以確實像你說的，大多數人的直覺不一定在醫院能夠匹配上真正應該去的地方。

夏英達：導診僅是開端。從診療全流程看，核心環節包括：篩查、診斷、治療、預后。我們現在開發的工具是做篩查，側重于患者入院前的風險提示。而診斷環節則是明確問題所在的，AI在此階段也大有可為，比如輔助內鏡檢查、病理判讀，甚至通過整合患者癥狀描述、臨床指標等，通過大語言模型，結合多模態的AI進行綜合診斷，這都是AI極具價值的方向。最近就有一個AI大模型成功診斷罕見病例的新聞，其表現超越了眾多醫生。畢竟AI模型都是通過大量的知識去進行歸納總結，有些病可能醫生一輩子都見不到一例，但是AI見過不少。

預后同樣關鍵。比如對于某位患者，AI能輔助預測：選擇治療方案A或B，可能的生存期、治療費用等預后信息，為醫患決策提供重要參考，這其實也是一個很有價值的事情。

還有一些其他的方向，比如手術機器人其實也與AI相關。再有就是AI輔助類工具，比如在保險方面，用AI來幫助你快速報銷，和保險公司算賬等等。所以我覺得在整個醫療的方方面面，AI都會產生深刻的影響，這一天到底何時到來，我們還未可知。

菠蘿：你剛才講到整個流程，我覺得還有一個特別重要的事，就是治療后的隨訪。尤其像腫瘤患者，放化療后可能面臨長期副作用（如心臟毒性）。但治療結束后，患者往往缺乏系統指導，不清楚除了腫瘤復查，還需定期檢查相關器官（如心臟）以保障長期生活質量。AI在此類主動提示和健康管理方面，效率會非常高。

AI還有什么別的非醫學的應用場景嗎？

夏英達：AI其實可以做很多事情。只要有需求就有市場，在各行各業都會有一些影響。比如在醫美行業，如果讓整形醫生通過經驗來做設計，可能會按照某個明星的樣子給你做，如果讓AI基于你個人特征來設計，雖然不像女明星，卻可能更符合個性化審美。

牙科領域，尤其是正畸治療規劃，同樣大量融入了AI技術。也是同樣的道理，按照自己的長相做一個操作步驟少，既符合審美、又保留個人特點的方案。

菠蘿：作為一個AI專家，你覺得以后AI真的會顯著比人類更厲害嗎？

夏英達：這個其實我是相信的。現在已經印證了，AI在各個行業都超過人的歸納能力。因為數據見得太多了，他不一定超越最厲害的專家，但是超越一個平均水平的工作者是沒有問題的。

AI甚至有望作出創新性的科學發現，人類科技的進步，歷來是非常聰明的人在推著歷史車輪往前走。那么，是否有一天，AI也能通過其強大的推理能力，獨立做出新的科學突破？這是非常值得期待的一件事情，也是非常可怕的一件事情。

我以前是非常鄙視AI危險論的。在AI有之前其實就有講述AI如何危險的電影，但作為早期的AI研究者，那個時候我所認識的AI做一些非常普通的任務還做不明白，怎么可能超越人類呢？甚至大模型剛出來的時候，我也是非常鄙視這種危險論的，認為也只是一個歸納模型。但是現在大模型的推理能力越來越強，甚至能解決一些非常難的數學問題，這需要很強的推理和邏輯能力，所以我現在也逐漸有點相信這個AI危險論了。至于未來究竟會怎樣，讓我們拭目以待。

—聽夏英達博士聊更多關于AI篩查—

/本期志愿者/