达摩院肠癌平扫CT检测模型权威解析：无感筛查新突破登顶刊

一项发表于《肿瘤学年鉴》的研究，为结直肠癌早筛领域带来了创新视角。由阿里巴巴达摩院与广东省人民医院等机构联合开发的AI模型DAMO COCA，首次验证了基于常规平扫CT影像进行“无感”肠癌筛查的可行性。该方法无需患者进行专门的肠道准备，仅利用体检或检查中已有的CT数据，即可由AI辅助识别早期肠癌病灶。

▲相关研究论文已在《肿瘤学年鉴》发表（图源：达摩院）

在真实世界验证中，该模型对超过2.7万份平扫CT影像进行回溯分析，成功识别出5例此前漏诊的肠癌病例。其敏感性达86.6%，特异性高达99.8%。DAMO COCA是达摩院基于“平扫CT+AI”技术路线开发的第三款产品，此前已推出针对胰腺癌的DAMO PANDA与针对胃癌的DAMO GRAPE。自2017年确立该技术路径以来，其核心目标始终是：利用人工智能算法，从海量常规CT影像中捕捉人眼难以辨别的早期癌变信号，从而降低额外检查的负担与成本。目前，该技术已覆盖胰腺、胃、结直肠、肝、食管这五大消化道癌种。

一、基于1321例阳性样本训练，模型敏感性超越医生平均水平20.4%

平扫CT在国内临床应用广泛，年检查量巨大，是体检与肺结节随访等场景的常规手段，且费用相对较低。若能直接利用这些现有影像资源进行肠癌筛查，将显著提升筛查的可及性与效率。

然而技术挑战不容小觑。腹腔内器官重叠，肠道结构复杂且蠕动活跃，早期病灶本就隐匿。加之未做肠道准备的CT影像中，食物残渣等干扰因素众多，使得肉眼判读难度极高。

为此，DAMO COCA采用了“先定位、后诊断”的两阶段深度学习架构，并运用混合监督学习策略。研究团队使用1321例阳性样本与1357例健康样本进行模型训练，尤其针对小于3厘米的早期病灶进行了算法优化，以提升对小肿瘤的检测精度。

▲AI模型自动识别并标注结直肠癌风险区域（图源：达摩院）

在技术实现上，团队借鉴了此前胰腺癌与胃癌AI模型的开发经验。通过将医生在增强CT图像上标注的肿瘤位置，映射至对应的平扫CT影像，从而训练AI在普通CT中识别病灶。尤其是同为空腔脏器的胃癌模型开发经验，为肠癌模型的攻克提供了关键参考。

在一项包含10名不同年资影像科医生的对照研究中，DAMO COCA展现出显著优势：其敏感性比医生平均水平高出20.4%，在乙状结肠、直肠等易漏诊区域的检测表现尤为突出。更具临床价值的是，当AI作为辅助工具时，医生的诊断敏感性可提升14.5%，特异性提升3.1%，这意味着临床漏诊风险有望得到实质性降低。

二、回溯分析27433份历史CT影像，成功识别5例既往漏诊病例

实验室性能需经真实世界验证。研究团队将模型部署至临床环境，对27433份历史平扫CT影像进行了两轮回顾性分析。结果证实，模型成功从中发现了5例此前未被诊断的肠癌患者。

其中一例典型病例显示，患者连续两年的平扫CT报告均未提示异常，直至第三年经肠镜确诊时肿瘤已进展。DAMO COCA的价值在于，有望在此类患者的早期常规检查中即发出风险预警，从而争取更早的治疗干预时机。

广东省人民医院放射科主任刘再毅指出，平扫CT上的肠道病灶确实易被忽略，而DAMO COCA这类工具能有效辅助医生弥补这一短板。下一步的关键在于推动模型在更广泛医疗机构中的部署，并通过大规模前瞻性临床研究，积累更高级别的循证医学证据。

达摩院资深算法专家、多癌筛查AI技术负责人张灵表示：“我们已初步验证了‘平扫CT+AI’这条多癌筛查原创技术路径的可行性，目标是实现一次平扫CT扫描，同步评估多种癌症风险。”目前，团队在消化道五癌筛查上已取得明确进展，并正将技术拓展至乳腺癌、肾癌等其他瘤种的早期检测研究中。

▲达摩院在多癌筛查领域的技术进展概览（图源：达摩院）

结语：癌症早筛路径分野，“平扫CT+AI”聚焦高覆盖与便捷性

癌症早筛的核心挑战在于寻找高效、便捷且具普适性的方法。当前国际主流探索方向之一是以液体活检为代表的技术，如通过血液检测循环肿瘤DNA等标志物。该技术前景明确，但目前仍面临成本、技术成熟度及用户主动筛查意识等多重挑战。

“平扫CT+AI”路径则提供了另一种思路。它并非要求患者进行专项检查，而是将筛查功能“嵌入”到其可能已接受的常规CT扫描中。这种“伴随式”筛查策略，在理论上能极大提升人群覆盖广度。DAMO COCA的初步成果表明，该路径有能力补足现有筛查手段的某些盲区。当然，其最终的临床价值与公共卫生效益，仍需在更广泛的医院场景与更大规模人群中，接受可重复性、稳定性及成本效益的长期验证。这将是该技术路线下一阶段发展的关键。