9月24日消息，阿里达摩院发布食管癌筛查 AI 模型 DAMO EAGLE。它用普通胸部平扫 CT 识别食管癌和癌前病变，不用插管，也不用注射造影剂。相关论文 9 月 22 日发表在《自然·医学》（Nature Medicine）。模型在 80,612 名患者中完成验证，这些患者来自 3 个国家的 12 家中心。机会性筛查场景下，模型对食管癌的敏感性（不漏报的能力）为 90.0%。
EAGLE 的全称是 Esophageal AI-Guided malignant Lesion Evaluation（食管 AI 引导恶性病变评估），由达摩院联合四川省肿瘤医院、中山大学肿瘤防治中心等机构研发。它是阿里巴巴第 4 个癌症筛查 AI 模型。
平扫 CT 看食管，难在哪
食管癌的标准筛查手段是上消化道内镜，检查要插管，操作复杂，难以在人群中大规模推广。胸部平扫 CT 便宜、接受度高，扫描范围本来就覆盖食管。但食管狭长、容易塌陷，早期病变在 CT 上信号微弱，影像科医生肉眼难以辨认。在这篇论文之前，用平扫 CT 检测食管癌长期被认为做不到。
据澎湃新闻对论文的介绍，DAMO EAGLE 采用「先定位、后诊断」的两阶段架构。第一阶段用分割网络圈出食管区域，排除周围器官的干扰。第二阶段对食管区域做精细分析，输出良恶性分类、病灶分割掩膜和 AI 关注区域的热力图，让医生能看到判断依据。
训练方法对应了这个难点。据快科技报道，研究团队把内镜报告和增强 CT 中已确认的病灶位置，对应到普通平扫 CT 图像上，让模型学习早期食管癌在平扫 CT 上的细微特征。
8 万人验证，两个特异性口径
论文显示，在机会性筛查场景下，模型对食管癌的敏感性为 90.0%，特异性（不误报的能力）为 98.5%。对信号更弱的癌前病变，敏感性为 52.5%。另据澎湃新闻和快科技报道，经过大规模真实世界数据迭代后，模型在真实临床场景中的特异性达到 99.2%。
52.5% 这个数字同时划出了模型的边界：仍有近一半癌前病变会被漏掉。EAGLE 的角色是筛查和分诊，从大量体检和门诊 CT 中挑出高风险的人，再转去做内镜确认，而不是替代内镜诊断。
低剂量 CT 上表现不降，肺癌筛查成为入口
据国家癌症中心数据，中国每年新发食管癌约 22 万例，死亡约 19 万例。发病和死亡都约占全球一半，多数患者确诊时已是晚期，失去根治机会。
论文显示，即使换成辐射剂量更低的 CT，模型表现也没有明显下降。达摩院提出的落地路径建立在这一结果上：接入现有肺癌筛查流程，患者做一次低剂量胸部 CT 查肺，同时完成食管筛查，不用多做一次检查。目前模型的临床部署和审批进度尚未披露，这条路径仍是计划。
达摩院的第四个癌种
EAGLE 之前，达摩院已发布胰腺癌筛查模型 DAMO PANDA、胃癌筛查模型和肠癌筛查模型 DAMO COCA，另有一个主动脉夹层模型，全部基于同一条「平扫 CT+AI」的技术路线。达摩院把这条路线称为「一扫多查」，相关成果已产出 5 篇《自然·医学》论文。
一个癌种的平扫 CT 筛查登上顶刊，还可以看作单点突破。胰腺、胃、肠、食管四个癌种沿同一条路线反复做出大样本验证，说明这条路线在达摩院手里已经从一次尝试变成一条可持续产出的产品线。上周，达摩院还联合浙江大学医学院附属第一医院等机构，开源了通用医疗影像 AI 模型 DAMO RADAR。
AI 速览
