胃癌，作为全球范围内发病率和死亡率均居高不下的恶性肿瘤，其早期发现对于提升患者生存率至关重要。然而，传统的胃癌筛查方法往往面临依从性低、诊断水平不均等挑战，使得大规模早期筛查难以有效推行。近日，一项发表于国际顶级医学期刊《Nature Medicine》的重磅研究，为破解这一难题带来了革命性的解决方案：由浙江省肿瘤医院与阿里巴巴达摩院联合开发的全球首个胃癌影像筛查AI模型——DAMO GRAPE，首次实现了利用平扫CT影像精准识别早期胃癌病灶，并在近10万人的大规模临床研究中展现出显著的胃癌检出率提升。
AI如何突破胃癌筛查瓶颈，实现“不可能”的早期诊断？
据国家癌症中心数据显示，我国每年新增胃癌病例约36万，死亡病例高达26万，死亡人数位居恶性肿瘤第三。若能在疾病早期阶段进行干预，患者的五年生存率可从不足30%大幅提升至90%以上。这凸显了早期胃癌筛查的巨大价值。
图示：GRAPE 的开发、评估和临床转化概述
在传统医学观念中，平扫CT并非胃癌筛查的理想工具。胃部独特的解剖结构，如充盈状态多变、内容物干扰以及早期病灶常局限于黏膜层等因素，使得CT影像对微小病变的识别能力长期受限。
为攻克这一技术壁垒，研发团队构建了国际上规模最大的胃癌平扫CT影像多中心数据集，汇集了全国20家医学中心近10万例样本。通过先进的深度学习算法，DAMO GRAPE AI模型成功捕捉到人眼难以察觉的微观影像特征，包括胃壁0.2毫米的异常增厚、黏膜表面0.1毫米的纹理改变以及胃小区形态的微妙变异。这些突破性发现，使得平扫CT首次具备了识别早期胃癌的能力。
在模拟机会性筛查试验中，该AI模型展现出惊人的临床价值。对常规腹部CT检查人群进行回顾性分析时，AI成功将胃癌病灶的发现时间提前了2至10个月。DAMO GRAPE的敏感性达到85.1%，特异性达到96.8%，相较于放射科医生，分别提升了21.8%和14.0%。这一成就不仅让平扫CT识别早期胃癌成为可能，也为“平扫CT+AI”在多癌种筛查领域的发展奠定了基础。
AI成功从平扫CT中识别早期胃癌
从实验室到临床：AI模型如何重塑胃癌防治路径？
这项技术突破不仅带来了诊断能力的飞跃，更预示着胃癌筛查范式的革新。传统的“问卷筛查+胃镜”模式面临两大痛点：胃镜检查依从率普遍不足30%，且基层医院的内镜诊断水平参差不齐。DAMO GRAPE模型提出的“平扫CT+AI”两步法，为解决这些困境提供了全新路径。
在浙江某地区医院的试点应用中，AI初筛使胃癌检出率显著提升至24.5%，是传统模式的24.5倍。更令人振奋的是，在检出的病例中，近40%为无症状的早期患者，这正是降低胃癌死亡率的关键突破口。模型高达85.1%的敏感性和96.8%的特异性，意味着每100例经AI提示阳性的病例中，约有85例最终确诊为胃癌，同时有效避免了假阳性带来的过度医疗。
AI能识别各阶段胃癌
例如，一名45岁患者因腹部不适接受胃镜检查，确诊为局部晚期胃癌。然而，该患者在6个月前曾因其他疾病进行过胸腹部平扫CT检查，当时并未报告腹部病变。当这张旧CT片导入AI模型后，模型立即提示存在胃癌病灶。这意味着，如果当时已有AI自动筛查，该患者将有机会更早确诊并接受治疗，从而获得更好的预后。
AI提前6个月识别出胃癌
从卫生经济学角度来看，该AI模型也展现出显著优势。平扫CT作为常规体检项目，其检查成本仅为增强CT的三分之一，且无需注射造影剂。当AI分析功能嵌入现有CT工作流程时，相当于在不增加额外成本的基础上，免费获得了胃癌筛查能力。这种“一石二鸟”的创新模式，尤其为医疗资源相对薄弱的地区提供了切实可行的癌症筛查方案。
结语：AI赋能，开启多癌种精准筛查新时代
研发团队的努力并未止步于胃癌。基于相同的技术框架，阿里达摩院已成功开发出覆盖胰腺癌、结直肠癌、肝癌等五大常见癌种的筛查模型，构建起“平扫CT+AI”的多癌种早筛体系。在浙江、安徽等地的区域肿瘤防治网络中，这项技术已实现“检查即筛查”的被动式防控，极大地提升了癌症早期诊断的效率和覆盖面。
更深远的影响在于诊疗模式的变革。当AI成为影像科医生的“第二双眼睛”，临床决策链条被重塑：AI负责海量影像数据的初步筛查，医生则能更专注于疑难病例的精准诊断。这种人机协同模式，既保留了医生的临床决策主导权，又通过技术赋能显著提升了整体诊疗水平。正如程向东教授所言：“AI的价值不在于替代医生，而在于让医生更早发现那些‘看不见’的病灶。”
