一款 AI 模型，讓“癌中之王”胰腺癌的早期篩查和診斷有了新的希望。

最近，由阿里巴巴達摩院（以下簡稱“達摩院”）研發的胰腺癌篩查 AI 模型 DAMO PANDA 獲得了美國食品藥品監督管理局（FDA，Food and Drug Administration）“突破性醫療器械”認定。這標志著中國科技企業在醫療 AI 領域的重要突破，也是中國企業第一次獲得這項權威認可。

這一突破性進展源于達摩院在國際上首創的“平掃 CT AI 篩查方案”。該研究團隊聯合全球頂尖醫學機構，成功開發出 DAMO PANDA 模型，其創新性在于能夠通過常規非增強 CT 圖像實現胰腺病變的高效檢測和精確分類。

值得注意的是，傳統胰腺癌篩查往往需要依賴增強 CT 或核磁共振成像等復雜檢查手段，而該模型僅需平掃 CT 即可完成篩查，大大降低了檢查成本和操作復雜度。

測試數據顯示，這款 AI 模型篩查敏感性和特異性分別高達 92.9% 和 99.9%。這意味著，DAMO PANDA 模型為胰腺癌的早期篩查和診斷提供了一種具有革命性意義的工具，它不僅能夠精準地檢測出大多數早期胰腺微小病變，而且該能最大限度地減少誤報情況（假陽性結果）的發生。

相關論文以《非對比 CT 和深度學習的大規模胰腺癌檢測》（Large-scale pancreatic cancer detection via non-contrast CT and deep learning）為題發表在Nature Medicine[1]。

圖丨相關論文（來源：Nature Medicine）

胰腺癌作為全球第十二大常見癌癥，高度惡性的生物學特性使其成為實體惡性腫瘤中最致命的類型之一。

由于早期缺乏特異性臨床癥狀，大多數患者在確診時已進展至晚期且失去手術機會，這一臨床特點直接導致了胰腺癌患者預后極差。

盡管早期篩查被公認為改善預后的關鍵策略，但傳統篩查方法面臨巨大挑戰：一方面，非特異性癥狀導致篩查假陽性率居高不下；另一方面，現有影像學檢查手段在早期病變識別上存在明顯的局限性。

在這一背景下，非增強 CT 因其低輻射劑量和無造影劑風險的特性，成為極具潛力的篩查工具。然而，長期以來醫學界普遍認為僅憑非增強 CT 難以實現胰腺癌的準確檢測。

針對這一技術瓶頸，達摩院聯合多家權威醫療機構創新性地開發了基于深度學習技術的 AI 模型 PANDA。

該模型通過三重創新架構實現了技術突破：首先采用醫學圖像分割方法 nnU-Net 精確定位胰腺區域，然后運用多任務卷積神經網絡（CNN，Convolutional Neural Networks）檢測病變，最后引入記憶 Transformer 網絡完成亞型分類。

特別值得一提的是，研究團隊開發的“胸部 CT 數據增強”策略使模型能夠適應不同掃描范圍的影像，即使胰腺僅部分顯影，仍能通過識別胰管擴張等繼發征象實現 86% 的病變檢出率。

（來源：Nature Medicine）

在嚴格的臨床驗證中，PANDA 模型展現出卓越的篩查效能。研究團隊首先在單一中心的 3208 名患者數據集上進行模型訓練，隨后在多中心的 6239 名患者中開展驗證。

結果顯示，該模型在檢測胰腺病變方面達到 92.9% 的靈敏度和 99.9% 的特異性，曲線下面積（AUC，Area Under the ROC Curve）高達 0.986-0.996。與放射科醫師相比，PANDA 在檢測胰腺腺癌方面的靈敏度提升了 34.1%，特異性提高了 6.3%。

更令人振奮的是，在 20530 例連續患者的真實世界驗證中，該系統成功檢出 26 例被臨床初診漏診的胰腺病變，其中包括 1 例可通過手術治愈的早期胰腺癌。

（來源：Nature Medicine）

此外，當 PANDA 與非增強 CT 聯合使用時，在對常見胰腺病變亞型進行區分時展現出與增強 CT 放射學報告相當的效果，這一發現極大地拓展了該技術的臨床應用場景。

同期發表在Nature Medicine的評論文章對該研究高度評價 [2]：“該方法的準確性指標優于宮頸癌的巴氏涂片或乳腺癌的乳腺 X 線攝影等公認的篩查方法，這使得人們有理由將該方法整合到大規模篩查工作中。”

（來源：Nature Medicine）

目前，這項突破性技術已獲得國際社會廣泛認可。2024 年 5 月，達摩院受邀在聯合國 AI for Good 峰會上展示該項技術，并和世界衛生組織數字健康合作中心達成戰略合作，共同推動 AI 早篩技術在發展中國家的應用。

在國內臨床實踐中，PANDA 模型也展現出顯著價值。例如，在寧波大學附屬人民醫院的 4 萬余人篩查中，成功發現 2 例常規檢查漏診的早期病例。其中，一名患者腫瘤直徑僅 1.5 厘米，并因本次篩查得以及時接受手術治療。

未來，該技術將進一步擴展全球范圍內的推廣應用，有望為改善這一“癌王”的治療預后帶來更高效的 AI 解決方案。

參考資料：

1.Cao, K., Xia, Y., Yao, J. et al. Large-scale pancreatic cancer detection via non-contrast CT and deep learning.Nature Medicine29, 3033–3043 (2023). https://doi.org/10.1038/s41591-023-02640-w

2.Kleeff, J., Ronellenfitsch, U. AI and imaging-based cancer screening: getting ready for prime time.Nature Medicine29, 3002–3003 (2023). https://doi.org/10.1038/s41591-023-02630-y

運營/排版：何晨龍