AI 靠平扫 CT 筛查胰腺癌：敏感度比放射科医生高 34%

去医院做体检或看急诊时，拍个胸部或腹部平扫 CT 早就成了家常便饭。但如果医生想查胰腺癌，平扫 CT 基本指望不上，通常必须打造影剂做增强 CT。

因为在普通平扫影像里，早期的胰腺肿瘤和正常组织几乎混在一起，肉眼很难分辨。

顶级医学期刊《自然·医学》（Nature Medicine）发表的一项研究打破了这个常识。来自中国上海市胰腺疾病研究所等机构的研究团队开发了一套名为 PANDA 的深度学习模型，直接通过普通非造影平扫 CT，就能高精度发现并分类胰腺病变。

让平扫 CT 看出「癌中之王」

胰腺导管腺癌被称为癌中之王，全球每年导致约 46.6 万人死亡。多数患者确诊时已经是晚期，根本无法做手术。

如果能早期偶然发现，患者的生存中位时间可以从普通确诊的 1.5 年直接拉长到 9.8 年。但胰腺癌发病率相对偏低，如果拿复杂的检查去全员普查，不仅假阳性误诊的代价极高，大规模打造影剂也存在过敏和辐射风险。

研究团队瞄准的就是随处可见的平扫 CT。胸部平扫 CT 占了所有 CT 检查的近四成，而且扫描范围通常能覆盖到一部分胰腺。

为了教会 AI 识别平扫影像上的蛛丝马迹，团队利用了 3208 名患者的配对数据。他们把增强 CT 上清晰可见的肿瘤标注，通过图像配准技术转移到对应的平扫 CT 上，从而解决了平扫数据缺乏清晰金标准的训练难题。

整个 PANDA 模型分成了三步流水线。先用 nnU-Net 模型定位胰腺，接着用卷积神经网络筛查病灶微弱的纹理变化，最后通过引入记忆 Transformer 分支，对病变亚型进行鉴别诊断。

假阳性压到千分之一

做筛查最怕的是狼来了。为了避免过度诊断，团队在第二阶段把病灶检测的特异度目标直接定在了 99%。

在包含 10 家中心、6239 名患者的多中心验证中，PANDA 的受试者工作特征曲线下面积达到了 0.986 到 0.996。在识别胰腺导管腺癌上，AI 的敏感度比放射科医生平均水平高出 34.1%，特异度高出 6.3%。

更硬核的测试来自真实的临床环境。研究人员在体检中心、急诊、门诊和住院部四个真实场景中，连续纳入了 20530 名做过胸腹平扫 CT 的患者。

在这两万多人的大考验中，PANDA 拿下了 92.9% 的病灶检测敏感度和 99.9% 的特异度。这意味着它在几乎不误伤健康人的前提下，把绝大多数潜在病变揪了出来。

在区分胰腺神经内分泌肿瘤、实性假乳头状瘤等 7 类非胰腺导管腺癌病变时，PANDA 的准确率达到了 79.6%。研究显示，它仅凭平扫 CT 得到的分类表现，不亚于参考了增强 CT 和病史的二读放射学报告。

为什么重要

这项研究的核心价值在于它开辟了一种低成本的顺带筛查路径。

对普通患者来说，你不需要专门为了筛查胰腺癌去排队打造影剂、承担过敏风险或承受额外辐射。不管是体检查肺部结节拍的胸部 CT，还是胃痛去急诊拍的腹部平扫，只要算法接入医院系统，就能在后台顺手帮你把胰腺看一遍。早发现几年，换来的可能就是从 1.5 年到近 10 年的生存期差距。

我们认为这项研究最聪明的地方，在于用工程思路解决了高难度医疗标注的痛点。他们没有逼着医生在灰蒙蒙的平扫图上硬画肿瘤轮廓，而是用增强 CT 的标签做配准映射，让深度学习去捕捉人眼注意不到的微弱纹理差异。

不过这项技术目前也有清晰的边界。在小于 2 厘米的早期 T1 期微小肿瘤上，模型的敏感度回落到了 85.7%，这意味着依然有将近一成半的极早期病灶可能漏检。跨设备厂商的图像噪点控制，以及不同级别基层医院的实际部署稳定性，也是它走向日常临床必须迈过的门槛。