AI 靠平掃 CT 篩查胰臟癌：敏感度比放射科醫生高 34%

去醫院做體檢或看急診時，拍個胸部或腹部平掃 CT 早就成了家常便飯。但如果醫生想查胰臟癌，平掃 CT 基本指望不上，通常必須打造影劑做增強 CT。

因為在普通平掃影像裡，早期的胰臟腫瘤和正常組織幾乎混在一起，肉眼很難分辨。

頂級醫學期刊《自然·醫學》（Nature Medicine）發表的一項研究打破了這個常識。來自中國上海市胰臟疾病研究所等機構的研究團隊開發了一套名為 PANDA 的深度學習模型，直接通過普通非造影平掃 CT，就能高精度發現並分類胰臟病變。

讓平掃 CT 看出「癌中之王」

胰臟導管腺癌被稱為癌中之王，全球每年導致約 46.6 萬人死亡。多數患者確診時已經是晚期，根本無法做手術。

如果能早期偶然發現，患者的生存中位時間可以從普通確診的 1.5 年直接拉長到 9.8 年。但胰臟癌發病率相對偏低，如果拿複雜的檢查去全員普查，不僅假陽性誤診的代價極高，大規模打造影劑也存在過敏和輻射風險。

研究團隊瞄準的就是隨處可見的平掃 CT。胸部平掃 CT 佔了所有 CT 檢查的近四成，而且掃描範圍通常能覆蓋到一部分胰臟。

為了教會 AI 識別平掃影像上的蛛絲馬跡，團隊利用了 3208 名患者的配對資料。他們把增強 CT 上清晰可見的腫瘤標註，通過影像配準技術轉移到對應的平掃 CT 上，從而解決了平掃資料缺乏清晰金標準的訓練難題。

整個 PANDA 模型分成了三步流水線。先用 nnU-Net 模型定位胰臟，接著用卷積神經網路篩查病灶微弱的紋理變化，最後通過引入記憶 Transformer 分支，對病變亞型進行鑑別診斷。

假陽性壓到千分之一

做篩查最怕的是狼來了。為了避免過度診斷，團隊在第二階段把病灶檢測的特異度目標直接定在了 99%。

在包含 10 家中心、6239 名患者的多中心驗證中，PANDA 的受試者工作特徵曲線下面積達到了 0.986 到 0.996。在識別胰臟導管腺癌上，AI 的敏感度比放射科醫生平均水平高出 34.1%，特異度高出 6.3%。

更硬核的測試來自真實的臨床環境。研究人員在體檢中心、急診、門診和住院部四個真實場景中，連續納入了 20530 名做過胸腹平掃 CT 的患者。

在這兩萬多人的大考驗中，PANDA 拿下了 92.9% 的病灶檢測敏感度和 99.9% 的特異度。這意味著它在幾乎不誤傷健康人的前提下，把絕大多數潛在病變揪了出來。

在區分胰臟神經內分泌腫瘤、實性假乳頭狀瘤等 7 類非胰臟導管腺癌病變時，PANDA 的準確率達到了 79.6%。研究顯示，它僅憑平掃 CT 得到的分類表現，不亞於參考了增強 CT 和病史的二讀放射學報告。

為什麼重要

這項研究的核心價值在於它開闢了一種低成本的順帶篩查路徑。

對普通患者來說，你不需要專門為了篩查胰臟癌去排隊打造影劑、承擔過敏風險或承受額外輻射。不管是體檢查肺部結節拍的胸部 CT，還是胃痛去急診拍的腹部平掃，只要演算法接入醫院系統，就能在後臺順手幫你把胰臟看一遍。早發現幾年，換來的可能就是從 1.5 年到近 10 年的生存期差距。

我們認為這項研究最聰明的地方，在於用工程思路解決了高難度醫療標註的痛點。他們沒有逼著醫生在灰濛濛的平掃圖上硬畫腫瘤輪廓，而是用增強 CT 的標籤做配準對映，讓深度學習去捕捉人眼注意不到的微弱紋理差異。

不過這項技術目前也有清晰的邊界。在小於 2 釐米的早期 T1 期微小腫瘤上，模型的敏感度回落到了 85.7%，這意味著依然有將近一成半的極早期病灶可能漏檢。跨裝置廠商的影像噪點控制，以及不同級別基層醫院的實際部署穩定性，也是它走向日常臨床必須邁過的門檻。