9 月 24 日阿里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发布了食管癌筛查 AI 模型 DAMO EAGLE。相关论文于 9 月 22 日登上国际顶级期刊《自然·医学》。核心卖点很直接不用插管、不用造影仅靠一次胸部平扫 CT就能识别食管癌包括早期和癌前病变。这件事的分量得从食管癌本身说起。据报道中国食管癌的发病率和死亡率约占全球一半很多患者直到晚期才发现、失去根治机会如果能早期发现大部分可通过内镜下微创手术根治5 年生存率可达 95% 以上。矛盾在于现有的标准筛查手段是上消化道内镜有一定侵入性、操作复杂很难大范围推广。一、技术本质把一个看不清的器官交给 AI为什么以前做不到食管是一条狭长、容易塌陷的空腔器官早期病变藏在黏膜上皮层再加上心脏和大血管搏动带来的运动干扰影像科医生对着平扫 CT 很难分辨。达摩院的做法据报道是两阶段深度模型——“先定位、后诊断”。更关键的一个工程细节是研究团队把内镜检查报告和增强 CT 上的准确病灶位置配对映射到平扫 CT 影像上用这种对齐标注的方式训练 AI 去看人眼难以分辨的早期病灶。用一句话概括让贵且清晰的检查内镜、增强 CT去当老师教 AI 去看便宜且普及的检查平扫 CT。这是医疗 AI 里很典型的一条思路——把数据稀缺、标注昂贵的难题转换成跨模态数据对齐的问题。效果数据据报道在机会性筛查场景下模型对食管癌的敏感性不漏报达 90%对信号极弱的癌前病变敏感性为 52.5%特异性不误报高达 99.2%已在 3 个国家 8 万余例病例上验证在低剂量 CT 上性能未见下降。最后这点尤其关键——低剂量平扫 CT 本来就是肺癌的推荐筛查方法而它的扫描范围本就覆盖了食管。变了什么以前的 AI 筛查多是一事一模型查肺就只管肺。达摩院这套路线叫平扫 CT AI一扫多查据报道随着胰腺癌、胃癌、肠癌、食管癌、主动脉夹层等模型陆续发布他们已累计发表《自然·医学》论文 5 篇目标是用一次平扫 CT查出中国死亡人数最多的前七大癌症。没变的是什么AI 依然不是替代内镜而是承担初筛和分流。二、对做 AI 落地的人意味着什么如果你做的是 AI 落地而不是医疗本身这个案例有几个可以借鉴的点跨模态对齐是硬骨头也是护城河。把强监督信号内镜 / 增强 CT迁移到弱数据平扫 CT本质是标签工程加影像配准不是单纯堆模型。谁手里的对齐数据多谁就更难被复制。不增加成本是医疗 AI 能落地的关键。多一项检查就意味着成本、流程、依从性三重阻力。复用患者已经做过的 CT是让医院和患者都愿意配合的前提。特异性比敏感性更影响信任。99.2% 的特异性意味着误报极少。一个天天喊狼来了的模型医生不会用在临床场景里可信比炫技重要。三、别被标题带偏它是辅助不是诊断有几点必须说清楚这是研究 / 论文阶段的成果不等于已经在体检中心铺开。从论文到产品化再到进入常规体检流程中间还有工程、合规、更大样本临床验证的路要走。它筛的是高风险人群不是替代内镜。四川省肿瘤医院相关医生在报道里的表述是AI 不是为了替代内镜而是筛出高风险个体再做内镜让内镜检查更精准本质是把防治关口前移多给一次早发现的机会。癌前病变敏感性 52.5%说明仍有漏网。早期病变本身信号极弱这个数字放在多一道保险的语境下有意义但不能当成万能护身符。结尾这类新闻常被写成AI 又攻克癌症但真正值得看的是那条技术路线不追求单点炫技而是把 AI 塞进已有的、成本最低的检查流程里。对做落地的人来说这比模型涨几个点更有参考价值。你怎么看平扫 CT 一扫多查这条路线评论区聊聊。
9 月 24 日阿里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发布了食管癌筛查 AI 模型 DAMO EAGLE。相关论文于 9 月 22 日登上国际顶级期刊《自然·医学》。核心卖点很直接不用插管、不用造影仅靠一次胸部平扫 CT就能识别食管癌包括早期和癌前病变。这件事的分量得从食管癌本身说起。据报道中国食管癌的发病率和死亡率约占全球一半很多患者直到晚期才发现、失去根治机会如果能早期发现大部分可通过内镜下微创手术根治5 年生存率可达 95% 以上。矛盾在于现有的标准筛查手段是上消化道内镜有一定侵入性、操作复杂很难大范围推广。一、技术本质把一个看不清的器官交给 AI为什么以前做不到食管是一条狭长、容易塌陷的空腔器官早期病变藏在黏膜上皮层再加上心脏和大血管搏动带来的运动干扰影像科医生对着平扫 CT 很难分辨。达摩院的做法据报道是两阶段深度模型——“先定位、后诊断”。更关键的一个工程细节是研究团队把内镜检查报告和增强 CT 上的准确病灶位置配对映射到平扫 CT 影像上用这种对齐标注的方式训练 AI 去看人眼难以分辨的早期病灶。用一句话概括让贵且清晰的检查内镜、增强 CT去当老师教 AI 去看便宜且普及的检查平扫 CT。这是医疗 AI 里很典型的一条思路——把数据稀缺、标注昂贵的难题转换成跨模态数据对齐的问题。效果数据据报道在机会性筛查场景下模型对食管癌的敏感性不漏报达 90%对信号极弱的癌前病变敏感性为 52.5%特异性不误报高达 99.2%已在 3 个国家 8 万余例病例上验证在低剂量 CT 上性能未见下降。最后这点尤其关键——低剂量平扫 CT 本来就是肺癌的推荐筛查方法而它的扫描范围本就覆盖了食管。变了什么以前的 AI 筛查多是一事一模型查肺就只管肺。达摩院这套路线叫平扫 CT AI一扫多查据报道随着胰腺癌、胃癌、肠癌、食管癌、主动脉夹层等模型陆续发布他们已累计发表《自然·医学》论文 5 篇目标是用一次平扫 CT查出中国死亡人数最多的前七大癌症。没变的是什么AI 依然不是替代内镜而是承担初筛和分流。二、对做 AI 落地的人意味着什么如果你做的是 AI 落地而不是医疗本身这个案例有几个可以借鉴的点跨模态对齐是硬骨头也是护城河。把强监督信号内镜 / 增强 CT迁移到弱数据平扫 CT本质是标签工程加影像配准不是单纯堆模型。谁手里的对齐数据多谁就更难被复制。不增加成本是医疗 AI 能落地的关键。多一项检查就意味着成本、流程、依从性三重阻力。复用患者已经做过的 CT是让医院和患者都愿意配合的前提。特异性比敏感性更影响信任。99.2% 的特异性意味着误报极少。一个天天喊狼来了的模型医生不会用在临床场景里可信比炫技重要。三、别被标题带偏它是辅助不是诊断有几点必须说清楚这是研究 / 论文阶段的成果不等于已经在体检中心铺开。从论文到产品化再到进入常规体检流程中间还有工程、合规、更大样本临床验证的路要走。它筛的是高风险人群不是替代内镜。四川省肿瘤医院相关医生在报道里的表述是AI 不是为了替代内镜而是筛出高风险个体再做内镜让内镜检查更精准本质是把防治关口前移多给一次早发现的机会。癌前病变敏感性 52.5%说明仍有漏网。早期病变本身信号极弱这个数字放在多一道保险的语境下有意义但不能当成万能护身符。结尾这类新闻常被写成AI 又攻克癌症但真正值得看的是那条技术路线不追求单点炫技而是把 AI 塞进已有的、成本最低的检查流程里。对做落地的人来说这比模型涨几个点更有参考价值。你怎么看平扫 CT 一扫多查这条路线评论区聊聊。
