NatureMedicine：达摩院医疗AI攻克胰腺癌早筛难题

　　胰腺导管腺癌(PDAC)是最致命的实体恶性肿瘤，通常在晚期和不能手术的阶段被发现。早期或偶然发现与延长生存期有关，但由于低患病率和假阳性的潜在危害，使用单一检测筛查无症状的PDAC个体仍然是不可行的。平扫CT通常用于临床适应症，为大规模筛查提供了潜力，然而，使用平扫CT识别PDAC一直被认为是不可能的。

　　近期，基于阿里达摩院医疗AI，上海市胰腺疾病研究所、浙江大学医学院附属第一医院、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、哈佛大学公共卫生学院等机构合作在顶级期刊Nature Medicine 发表题为“Large-scale pancreatic cancer detection via non-contrast CT and deep learning”的研究论文，该文章首次提出以“平扫CT+AI”进行大规模的胰腺癌早期筛查。该研究开发了一种基于深度学习的方法，称为胰腺癌人工智能检测（Pancreatic Cancer Detection with Artificial Intelligence，PANDA），可以通过平扫CT检测和分类胰腺病变，实现高精度的诊断。

　　PANDA是在来自单个中心的3,208名患者的数据集上进行训练的。对于病变检测，PANDA在涉及10个中心6239名患者的多中心验证中实现了受试者工作特征曲线下面积(AUC)为0.986-0.996，在PDAC识别的敏感性和特异性上优于放射科医生分别是「平均评分34.1%和6.3%」，在包括20,530名连续患者的真实多场景验证中实现了病变检测的灵敏度为92.9%，特异性为99.9%，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。值得注意的是，在鉴别常见胰腺病变亚型方面，与影像学报告(使用增强CT)相比，PANDA应用于平扫CT显示出非劣势。PANDA有可能成为大规模胰腺癌筛查的新工具。

　　胰腺导管腺癌（PDAC）是全球最致命的实体恶性肿瘤，每年导致约466,000例死亡。尽管PDAC预后不佳，但其早期或偶发性检测已被证明可以显著改善患者的生存率。最近的研究表明，通过筛查发现PDAC的高风险个体具有较长的中位总体生存期，为9.8年，远远超过那些通过标准临床诊断技术以外的方式诊断的患者，其中位生存期为1.5年。因此，PDAC的筛查对于降低PDAC相关的死亡率具有最大的希望。然而，由于PDAC的相对低发生率，有效的全面筛查需要高灵敏度和异常高的特异性，以减轻过度诊断的风险。目前的筛查技术在这方面存在局限，因此亟需在普通人群中进行实施。

　　平扫CT广泛应用于低资源地区的体检中心和医院。与增强CT相比（这是诊断PDAC的主要成像模态），平扫CT使患者暴露于较低的辐射剂量，并消除了对造影剂不良反应的风险。除了在急诊科和社区医院常规使用的腹部平扫CT外，胸部平扫CT还可以完全或部分扫描胰腺区域，是多种临床场景中执行的最频繁的CT检查（几乎占所有执行的CT检查的40%），如肺癌筛查。尽管即使对经验丰富的放射科医生来说，从平扫CT中识别PDAC也具有挑战性，但最近的研究表明，人工智能（AI）可以在各种医学图像分析任务上与或超过人类专家，而且AI能够从常规图像中合成增强对比的医学图像。基于平扫CT的基于AI的机会性筛查具有在多个临床领域推进PDAC早期检测的潜力，而且成本和辐射暴露极小。

　　什么是PANDA？

　　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：第一阶段涉及胰腺定位，使用nnU-Net模型进行实现。第二阶段进行病变检测，作者构建了卷积神经网络（CNNs）以及一个分类头，以区分平扫CT中病变的微小纹理变化。我们调整模型，以在训练集的交叉验证中实现99%的病变检测特异性，以减少假阳性预测。第三阶段涉及对胰腺病变进行不同诊断，如果在第二阶段检测到任何异常，将与辅助记忆变压器分支集成，以自动编码胰腺病变的特征原型，如局部纹理、位置和胰腺形状，以进行更准确的细粒度分类。其原理，简而言之，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。

PANDA的开发、评估和临床转化概述（图片源自Nature Medicine ）

　　模型验证

　　该模型构建了一个包含3208名真实病人的训练集，最终通过了10家医院或高校包含6239名病人的多中心验证，以及约2万名连续病人的真实世界临床验证，在胰腺癌以及相关肿瘤病变的鉴别诊断精度上丝毫不逊色于三甲医院的CT影像报告，其胰腺癌识别敏感性相较于人工诊断提高了34.1%，特异性提高了6.3%。

　　作者的独立内部测试队列包括来自SIPD的291名患者（108名PDAC患者，67名非PDAC患者和116名正常对照）。这些患者标签在手术病理学或2年的随访中得到确认。对于病变检测，PANDA在接收操作特征曲线（ROC曲线）下的面积（AUC）为0.996（95%置信区间（CI）0.991-1.00），灵敏度为94.9%（95% CI 91.4-97.8%），特异性为100%（95% CI 100-100%）；对于PDAC亚组，检测的灵敏性总体为97.2%（95% CI 93.5-100%），其中I期为97.1%（95% CI 91.4-100%；n = 35），II期为96.2%（95% CI 90.4-100%；n = 52；）。对于小的PDAC（直径<2 cm，T1期），检测的灵敏度为85.7%（95% CI 64.3-100%；n = 14；）。对于PDAC鉴别，AUC为0.987（95% CI 0.975-0.996），灵敏度为92.6%（95% CI 87.3-97.0%），特异性为97.3%（95% CI 94.6-99.5%）。

真实临床评价（图片源自Nature Medicine ）

　　同时通过阅片者实验，比较了PANDA与一组非增强CT扫描的阅片者，包括胰腺成像专家、一般放射科医生和放射科住院医生。结果显示，PANDA在病变检测和胰腺癌（PDAC）鉴别方面显著优于平均阅片者表现。在第二项研究中，PANDA在非增强CT扫描中与专业的胰腺成像专家阅片的表现进行了比较。结果显示，PANDA在病变检测和PDAC鉴别方面的性能略优于专业阅片者。

　　具体而言，第一项研究包括33名阅片者，对291例非增强CT扫描进行解读。与CT图像一起，阅片者还获得了每个患者的年龄和性别，并将每个病例评定为PDAC、非PDAC或正常。结果表明，PANDA的性能显著优于平均阅片者，尤其是在病变检测和PDAC鉴别方面。在第二项研究中，15名专业的胰腺成像专家解读了相同291例患者的多相增强CT扫描，PANDA在非增强CT扫描中的表现略优于专业阅片者使用增强CT扫描的平均性能。

　　此外，研究者还提到，在第一项研究的一月冷却期后，阅片者在得到AI辅助后的表现进一步提高，特别是在非专业阅片者中。总体而言，这项研究结果表明，PANDA对于非增强CT扫描中的胰腺疾病的诊断具有显著的辅助作用，尤其是在非专业阅片者中。

　　社会意义

　　早期诊断和治疗：平扫CT的简便性和低成本使得更多人能够接受胰腺癌筛查。通过早期发现胰腺癌，可以提高患者接受治疗的机会，从而提高治愈率。

　　降低医疗成本：与一些昂贵的筛查方法相比，平扫CT是一种相对经济实惠的方法。这将有助于减轻医疗系统的负担，使更多人能够接受定期检查，提高早期诊断的机会。

　　提高筛查覆盖率：由于平扫CT的简单性和广泛的可用性，可以更容易地在社区和医疗机构中推广，提高胰腺癌筛查的覆盖率。这有助于确保更多人能够及时接受筛查，促进早期发现。

　　减轻患者负担：相比于一些需要复杂准备或昂贵费用的筛查方法，平扫CT对患者来说更为方便和经济。这可能会降低患者对筛查的抵触情绪，增加他们接受定期检查的意愿。

　　社会健康影响：通过早期发现和治疗胰腺癌，可以减少患者的痛苦，提高生存率，有助于维护社会的整体健康。

　　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。

　　达摩院始终专注于以医学图像AI为核心的精准癌症治疗全流程，研发了包括规模筛查、精准诊断、预后治疗、响应评估在内的全流程的癌症诊疗技术，陆续在胰腺癌、食管癌肺癌、乳腺癌、肝癌、胃癌、结直肠癌等高发癌症的识别、筛查上取得阶段性进展，研究成果先后登上《Nature Communications》等医学顶级期刊及CVPR/MICCAI/IPMI等AI顶会。

　　“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。” 达摩院医疗AI团队负责人、IEEE Fellow吕乐表示。这是达摩院医疗AI团队负责人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。

　　据介绍，达摩院与浙大一院、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。