人工智能模型可在确诊前平均475天识别胰腺癌迹象

医学期刊《Gut》在线发表的一项研究显示，一款名为REDMOD的人工智能模型能从常规腹部CT影像中识别胰腺癌的细微征兆。这些征兆平均比临床确诊早475天出现，此前在常规影像评估中均未被发现。

该模型针对的是胰腺导管腺癌，这是最常见的胰腺癌类型。研究人员认为，这项技术有望把发现时间提前到疾病的极早期（0期），让患者在疾病仍可治疗时开始治疗，而不是等到晚期才确诊。

敏感度接近医生两倍

研究结果显示，REDMOD的敏感度为73%，经验丰富的放射科医生为39%。敏感度衡量的是一种诊断方法能否找出真正患病的人，而不漏掉病例。

在确诊前两年以上拍摄的影像中，两者差距更大。REDMOD的检出率为68%，接近放射科医生23%的3倍。

研究团队还检验了模型能否正确判断未患病者。在来自多家医院的539名患者组成的独立队列中，REDMOD将略高于81%的影像正确判定为无癌。在美国国立卫生研究院公开的NIH-PCT数据集（80名患者）中，这一比例为87.5%。对同一批患者间隔数月拍摄的影像进行分析时，模型在90%至92%的病例中给出了一致结果。

研究如何开展

胰腺导管腺癌生存率低，主要原因是发现时多已进入晚期。早期患者症状不明显，组织变化在常规影像中也难以察觉，病情还可能进展很快。

REDMOD全称为“基于影像组学的早期检测模型”（Radiomics-based Early Detection MODel）。它分析胰腺组织纹理中肉眼难辨的细微特征，即影像组学特征，还能自动勾画胰腺轮廓，把它与周围器官分开，从而省去专家手工描画的步骤，减少不同操作者之间的差异。

研究团队调取了多家医院219名患者的腹部CT影像。拍摄时，放射科医生均未发现胰腺癌迹象，但这些患者后来全部确诊。其中87人（40%）的影像拍摄于确诊前3至12个月，76人（35%）拍摄于确诊前12至24个月，56人（25%）拍摄于确诊前24个月以上，最长约3年。约64%的患者病灶位于胰头。

对照组为1243名此后最长3年内未患胰腺癌的人，按年龄、性别和扫描日期进行匹配。患者组平均年龄69岁，对照组平均64岁，两组年龄范围均为34岁至88岁。

研究人员在论文中写道：

“这一时间窗口意义深远，实现如此早期的检测将大幅提高治愈和改善生存的可能性。”

他们同时援引建模研究指出，若局限期胰腺导管腺癌的占比从10%提高到50%，生存率将增加一倍以上。研究人员认为，诊断时机是决定生存结局的最关键因素。

仍需前瞻性验证

研究团队表示，REDMOD进入常规临床应用前还需更多研究。论文提到的一项局限是，研究人群的族裔多样性不足，可能影响该技术在不同人群中的表现。

下一步，模型须在高危人群中接受前瞻性临床试验，包括出现不明原因体重下降或新近确诊糖尿病的人，以确定其在日常诊疗中的实际效果。