Nature Medicine：達摩院醫療AI攻克胰腺癌早篩難題
胰腺導管腺癌(PDAC)是最致命的實體惡性腫瘤，通常在晚期和不能手術的階段被發現。早期或偶然發現與延長生存期有關，但由于低患病率和假陽性的潛在危害，使用單一檢測篩查無癥狀的PDAC個體仍然是不可行的。平掃CT通常用于臨床適應癥，為大規模篩查提供了潛力，然而，使用平掃CT識別PDAC一直被認為是不可能的。
近期，基于阿里達摩院醫療AI，上海市胰腺疾病研究所、浙江大學醫學院附屬第一醫院、復旦大學附屬腫瘤醫院、布拉格查理大學第一附屬醫院、上海交通大學醫學院附屬新華醫院、哈佛大學公共衛生學院等機構合作在頂級期刊Nature Medicine 發表題為“Large-scale pancreatic cancer detection via non-contrast CT and deep learning”的研究論文，該文章首次提出以“平掃CT+AI”進行大規模的胰腺癌早期篩查。該研究開發了一種基于深度學習的方法，稱為胰腺癌人工智能檢測（Pancreatic Cancer Detection with Artificial Intelligence，PANDA），可以通過平掃CT檢測和分類胰腺病變，實現高精度的診斷。
PANDA是在來自單個中心的3,208名患者的數據集上進行訓練的。對于病變檢測，PANDA在涉及10個中心6239名患者的多中心驗證中實現了受試者工作特征曲線下面積(AUC)為0.986-0.996，在PDAC識別的敏感性和特異性上優于放射科醫生分別是「平均評分34.1%和6.3%」，在包括20,530名連續患者的真實多場景驗證中實現了病變檢測的靈敏度為92.9%，特異性為99.9%，在2萬多人的真實病例回顧性試驗中，發現了31例臨床漏診病變，有2例早期胰腺癌病患已完成手術治愈。值得注意的是，在鑒別常見胰腺病變亞型方面，與影像學報告(使用增強CT)相比，PANDA應用于平掃CT顯示出非劣勢。PANDA有可能成為大規模胰腺癌篩查的新工具。
胰腺導管腺癌（PDAC）是全球最致命的實體惡性腫瘤，每年導致約466,000例死亡。盡管PDAC預后不佳，但其早期或偶發性檢測已被證明可以顯著改善患者的生存率。最近的研究表明，通過篩查發現PDAC的高風險個體具有較長的中位總體生存期，為9.8年，遠遠超過那些通過標準臨床診斷技術以外的方式診斷的患者，其中位生存期為1.5年。因此，PDAC的篩查對于降低PDAC相關的死亡率具有最大的希望。然而，由于PDAC的相對低發生率，有效的全面篩查需要高靈敏度和異常高的特異性，以減輕過度診斷的風險。目前的篩查技術在這方面存在局限，因此亟需在普通人群中進行實施。
平掃CT廣泛應用于低資源地區的體檢中心和醫院。與增強CT相比（這是診斷PDAC的主要成像模態），平掃CT使患者暴露于較低的輻射劑量，并消除了對造影劑不良反應的風險。除了在急診科和社區醫院常規使用的腹部平掃CT外，胸部平掃CT還可以完全或部分掃描胰腺區域，是多種臨床場景中執行的最頻繁的CT檢查（幾乎占所有執行的CT檢查的40%），如肺癌篩查。盡管即使對經驗豐富的放射科醫生來說，從平掃CT中識別PDAC也具有挑戰性，但最近的研究表明，人工智能（AI）可以在各種醫學圖像分析任務上與或超過人類專家，而且AI能夠從常規圖像中合成增強對比的醫學圖像。基于平掃CT的基于AI的機會性篩查具有在多個臨床領域推進PDAC早期檢測的潛力，而且成本和輻射暴露極小。
什么是PANDA？
針對胰腺癌變位置隱匿、在平掃CT圖像中無明顯表征等特點，研究團隊構建了一個獨特的深度學習框架，最終訓練為胰腺癌早期檢測模型PANDA：第一階段涉及胰腺定位，使用nnU-Net模型進行實現。第二階段進行病變檢測，作者構建了卷積神經網絡（CNNs）以及一個分類頭，以區分平掃CT中病變的微小紋理變化。我們調整模型，以在訓練集的交叉驗證中實現99%的病變檢測特異性，以減少假陽性預測。第三階段涉及對胰腺病變進行不同診斷，如果在第二階段檢測到任何異常，將與輔助記憶變壓器分支集成，以自動編碼胰腺病變的特征原型，如局部紋理、位置和胰腺形狀，以進行更準確的細粒度分類。其原理，簡而言之，利用AI放大并識別平掃CT圖像中那些肉眼難以識別的細微的病灶特征。
PANDA的開發、評估和臨床轉化概述（圖片源自Nature Medicine ）
模型驗證
該模型構建了一個包含3208名真實病人的訓練集，最終通過了10家醫院或高校包含6239名病人的多中心驗證，以及約2萬名連續病人的真實世界臨床驗證，在胰腺癌以及相關腫瘤病變的鑒別診斷精度上絲毫不遜色于三甲醫院的CT影像報告，其胰腺癌識別敏感性相較于人工診斷提高了34.1%，特異性提高了6.3%。
作者的獨立內部測試隊列包括來自SIPD的291名患者（108名PDAC患者，67名非PDAC患者和116名正常對照）。這些患者標簽在手術病理學或2年的隨訪中得到確認。對于病變檢測，PANDA在接收操作特征曲線（ROC曲線）下的面積（AUC）為0.996（95%置信區間（CI）0.991-1.00），靈敏度為94.9%（95% CI 91.4-97.8%），特異性為100%（95% CI 100-100%）；對于PDAC亞組，檢測的靈敏性總體為97.2%（95% CI 93.5-100%），其中I期為97.1%（95% CI 91.4-100%；n = 35），II期為96.2%（95% CI 90.4-100%；n = 52；）。對于小的PDAC（直徑<2 cm，T1期），檢測的靈敏度為85.7%（95% CI 64.3-100%；n = 14；）。對于PDAC鑒別，AUC為0.987（95% CI 0.975-0.996），靈敏度為92.6%（95% CI 87.3-97.0%），特異性為97.3%（95% CI 94.6-99.5%）。
真實臨床評價（圖片源自Nature Medicine ）
同時通過閱片者實驗，比較了PANDA與一組非增強CT掃描的閱片者，包括胰腺成像專家、一般放射科醫生和放射科住院醫生。結果顯示，PANDA在病變檢測和胰腺癌（PDAC）鑒別方面顯著優于平均閱片者表現。在第二項研究中，PANDA在非增強CT掃描中與專業的胰腺成像專家閱片的表現進行了比較。結果顯示，PANDA在病變檢測和PDAC鑒別方面的性能略優于專業閱片者。
具體而言，第一項研究包括33名閱片者，對291例非增強CT掃描進行解讀。與CT圖像一起，閱片者還獲得了每個患者的年齡和性別，并將每個病例評定為PDAC、非PDAC或正常。結果表明，PANDA的性能顯著優于平均閱片者，尤其是在病變檢測和PDAC鑒別方面。在第二項研究中，15名專業的胰腺成像專家解讀了相同291例患者的多相增強CT掃描，PANDA在非增強CT掃描中的表現略優于專業閱片者使用增強CT掃描的平均性能。
此外，研究者還提到，在第一項研究的一月冷卻期后，閱片者在得到AI輔助后的表現進一步提高，特別是在非專業閱片者中。總體而言，這項研究結果表明，PANDA對于非增強CT掃描中的胰腺疾病的診斷具有顯著的輔助作用，尤其是在非專業閱片者中。
社會意義
早期診斷和治療：平掃CT的簡便性和低成本使得更多人能夠接受胰腺癌篩查。通過早期發現胰腺癌，可以提高患者接受治療的機會，從而提高治愈率。
降低醫療成本：與一些昂貴的篩查方法相比，平掃CT是一種相對經濟實惠的方法。這將有助于減輕醫療系統的負擔，使更多人能夠接受定期檢查，提高早期診斷的機會。
提高篩查覆蓋率：由于平掃CT的簡單性和廣泛的可用性，可以更容易地在社區和醫療機構中推廣，提高胰腺癌篩查的覆蓋率。這有助于確保更多人能夠及時接受篩查，促進早期發現。
減輕患者負擔：相比于一些需要復雜準備或昂貴費用的篩查方法，平掃CT對患者來說更為方便和經濟。這可能會降低患者對篩查的抵觸情緒，增加他們接受定期檢查的意愿。
社會健康影響：通過早期發現和治療胰腺癌，可以減少患者的痛苦，提高生存率，有助于維護社會的整體健康。
當前，AI已深入應用于醫療流程等方方面面。在一些基于醫學圖像的疾病檢測及診斷任務上，AI展現超人的性能，尤其是在放射影像科、病理科等擁有大量臨床數據的科室，AI作為輔助診斷的工具，開始幫助醫生分擔部分工作，提高醫療決策的準確性與效率。
達摩院始終專注于以醫學圖像AI為核心的精準癌癥治療全流程，研發了包括規模篩查、精準診斷、預后治療、響應評估在內的全流程的癌癥診療技術，陸續在胰腺癌、食管癌肺癌、乳腺癌、肝癌、胃癌、結直腸癌等高發癌癥的識別、篩查上取得階段性進展，研究成果先后登上《Nature Communications》等醫學頂級期刊及CVPR/MICCAI/IPMI等AI頂會。
“AI應該解決那些尚未得到解決、而病人又真切需要的臨床需求。我們需要在病人性命攸關的臨床問題上，做出不可或缺的貢獻。” 達摩院醫療AI團隊負責人、IEEE Fellow呂樂表示。這是達摩院醫療AI團隊負責人對于技術的第一性原則，也是達摩院長期致力于AI與醫學影像的融合研究的出發點。
據介紹，達摩院與浙大一院、復旦腫瘤、北醫三院等多家三甲醫院建立深厚的臨床科研合作關系，其醫療AI產品已成功對接落地30+家醫療影像合作伙伴，累計落地醫療機構數達1000+家，為全球2000+萬人次提供智能化醫療健康服務。
-
焦點事件
-
焦點事件
-
企業風采
-
焦點事件
-
科技前沿
-
會議會展
-
科技前沿
-
焦點事件
-
焦點事件
