达摩院的AI研究，让人类首次实现了大规模胰腺癌早筛

机器之心报道

编辑：泽南、杜伟

用人工智能挑战最致命的癌症。

日常生活中，我们经常会与人工智能进行互动，从解锁手机，使用搜索引擎到地图导航……AI正在为我们带来越来越多的便利。不过在临床医学中，AI技术的应用速度要慢得多，绝大多数诊断和治疗建议仍然完全基于人类判断。

直到最近，AI在医疗影像的新突破，让事情有了变化。

上周，最新一期自然杂志子刊《自然医学》（NatureMedicine）上一个名为「PANDA」（PAncreaticcancerDetectionwithAI）的胰腺癌早筛AI模型正式亮相，成为了人们热议的话题。

该研究通过「平扫CT+AI」的方法，让我们首次拥有了大规模早期胰腺癌的筛查手段。

据研究团队介绍，PANDA早期筛查模型的特异性达到了99.9%，这意味着每1000次测试中只出现一个假阳性；其检测胰腺肿瘤的能力可达92.9%；鉴别胰腺癌的能力比放射科医生独立判断时的平均表现提高了34.1%。

这或许是人类在与「癌症之王」胰腺癌的斗争中第一次掌握了主动权。《自然医学》对此还专门刊发评论文章：「基于医疗影像AI的癌症筛查即将进入黄金时代」。

癌症的早筛一直被认为充满挑战，人们一直期待出现一种简便通用的技术，来对大规模无症状人群进行癌症筛查。利用AI算法的PANDA或许会成为给我们带来希望。

破解「癌症之王」

关于胰腺癌，我们可以列举两个残酷的数据：平均五年生存率不到10％，80%的情况下发现就是晚期。时至今日，胰腺癌已经成为中国乃至全球生存率最低的恶性肿瘤。

胰腺癌早期发现困难的原因之一在于其明显症状很少，而且在癌症进展之前很难进行自愿检查。此外，由于胰腺位于身体最深处，一些影像学检查（例如腹部超声检查）可能无法显示整个胰腺。而增强CT、增强MRI、PET等影像诊断，由于需要注射造影剂、辐射剂量、检查周期长、费用昂贵等原因，不太适合用于大规模胰腺癌筛查。

在体检及医院常用的平扫CT图像上，同样由于图像对比度低，很难识别早期胰腺病变，容易出现漏诊或误诊。

因此，胰腺癌的早筛早治具有重要的临床意义，在筛查手段上进行革新也显得尤为必要和关键。AI技术或许能够帮助我们解决这个问题。

在PANDA论文中，基于阿里达摩院的医疗AI技术，上海市胰腺疾病研究所、浙江大学医学院附属第一医院、中国医科大学附属盛京医院、复旦大学附属肿瘤医院、布拉格查理大学第一附属医院、上海交通大学医学院附属新华医院、约翰霍普金斯大学等机构首次提出以「平扫CT+AI」进行大规模的胰腺癌早期筛查。

PANDA模型在这十多家顶尖医疗机构进行了大规模多中心验证，显示了稳定的泛化性能。此外，在上海市胰腺疾病研究所的体检、急诊、门诊、住院等场景中实验，仅通过最简单的平扫CT，就在2万多真实世界连续病人群体中发现31例临床漏诊病变，至今已有两例早期胰腺癌病患已完成手术治愈。

目前，这项研究成果已向全球医生和研究人员开放。

这也是中国放射影像领域的科研成果首次登上《自然医学》杂志：

论文链接：https://www.nature.com/articles/s41591-023-02640-w

开放地址：https://g.alicdn.com/medical-engineering/d3viewer/0.0.87/index.html#/panda

在AI加医疗领域，我们见证过很多医疗影像的研究成果，本次登上Nature子刊的工作有哪些创新之处？首先，针对胰腺癌变位置隐匿、在平扫CT图像中无明显表征等特点，达摩院为PANDA设计了独特的深度学习框架，模型概览图如下所示。

上图a为模型开发，PANDA以平扫CT为输入，输出可能发生胰腺病变（包括PDAC和其他7种非PDAC亚型）的概率和分割掩码。PANDA接受了病理学确认的病患级标签和增强CT图像上标注的病变掩码的训练。b为模型评估，评估PANDA在内部测试组、平扫和增强CT、外部测试组、胸部CT组等真实世界多场景研究中的性能。c为模型临床转化。

达摩院医疗AI高级算法专家、也是这次PANDA项目负责人张灵进一步解释称，PANDA并不是一个单纯的视觉分割模型，它兼具了分割、检测和分类功能，其深度学习框架（下图）包括以下三阶段，每个阶段「各司其职」。

第一，通过构建分割网络（U-Net）来定位胰腺；

第二，采用多任务网络（CNN）来检测异常情况；

第三，采用双通道Transformer来分类并识别胰腺病变的类型。

达摩院在PANDA模型的训练策略上也做了一系列技术创新，从而实现了高效、安全的大规模胰腺癌早筛。其中的关键在于如何更加准确地识别平扫CT图像中肉眼难以识别的细微病例特征。

同样重要的是数据，AI筛查模型的训练需要医生手工标注大量肿瘤，但平扫CT图像对比度极低导致医生几乎无法标注。达摩院医疗AI团队先让合作医生们在增强CT上勾画，然后利用提出的知识迁移训练方法，通过精确的适用于腹部CT图像配准的算法将增强CT上的先验知识迁移到平扫CT相应位置。这样一来，以往AI识别癌症普遍存在的勾画难、标注难、训练难等问题得到有效解决。

同时，由于该研究主要通过腹部CT训练，而现实中胸部CT大量存在，达摩院算法团队提出一种基于模拟裁剪的数据增强方法，解决了模型泛化到胸部CT通常可能出现胰腺肿瘤扫描不全的问题。

得益于PANDA训练架构和策略的创新，该研究构建了迄今最大的胰腺癌肿瘤CT训练集（包含3208名真实病人）。该AI算法在一个由全球十多家医院约6200名患者组成的多中心队列中进行了验证，其中包括确诊的胰腺癌病例和无胰腺病变的对照病例。

随后，PANDA进一步在包含20530名真实世界连续病例的多场景验证中测得了92.9%的敏感性（判断存在胰腺病变的准确率）和99.9%的特异性（正确判断无病的几率）。

截至目前，PANDA模型已在医院、体检等场景被调用超过50万次，帮助医生成功发现多起临床漏诊的早期胰腺肿瘤病例，平均每1000次只出现一次假阳性。研究人员表示，未来还将持续进行多中心前瞻性临床验证，以期改写「胰腺肿瘤不推荐筛查」的悲观论点。

复旦大学附属肿瘤医院放射诊断科主任顾雅佳教授表示，这篇论文提出了一种有潜力的大规模胰腺癌筛查方法，在提升检出率的同时，又不会给病人带来额外的辐射与经济负担，「设想一下，我们去体检时做个最简单的平扫CT，就能查出有无胰腺癌，这将帮助到很多胰腺病人，减少悲剧的发生。」

达摩院医疗AI团队负责人、IEEEFellow吕乐表示，这项研究是一个重要的里程碑，在临床上证实了「平扫CT+AI」的癌症筛查技术路径的可靠性。

构建实用的AI影像诊断体系

AI加持的医疗影像技术，正在为当前的医学带来各种新的可能性。

迄今为止，美国食品药品监督管理局FDA已批准了300多种医疗影像相关的人工智能工具。通过深度学习技术，医生们可以在一些领域的病灶识别、标注、靶区勾画等任务上获得帮助，更快发现隐藏病灶，完成诊断、治疗工作。

在癌症的AI医疗影像工作上，此前大多数方法聚焦于协助医生进行病灶检测和诊断。此次PANDA研究带来的突破，则为人们在基于影像的大规模多癌筛查上开辟了一条新道路，有望提高重大癌症的早期检出率。

对于达摩院的AI加医疗探索来说，这只是近年来成果的一小部分。

「AI应该解决那些尚未得到解决、而病人又真切需要的临床需求。我们需要在病人性命攸关的临床问题上，做出不可或缺的贡献。」这是达摩院医疗AI团队秉持的医疗技术第一性原则。

我们了解到，达摩院医疗AI团队长期致力于AI与医疗影像的融合研究，重点布局精准癌症诊疗、精准慢性病诊疗、神经退行性疾病预筛三大方向，其中研发了包括规模筛查、精准诊断、预后治疗、响应评估在内的全流程的癌症诊疗技术。

除了技术探索之外，达摩院医疗AI团队还与全球多家顶尖医疗机构的合作，利用AI技术探索低廉、高效的多癌筛查新方法，希望通过一次平扫CT就能查出多种早期癌症。

截至目前，相关工作已经在胰腺癌、食管癌肺癌、乳腺癌、肝癌、胃癌、结直肠癌等七种高发癌症上取得阶段性进展，相关研究成果先后登上NatureMedicine、NatureCommunications等医学期刊及CVPR/MICCAI/IPMI等AI顶会。可以说基于医疗影像AI的前沿技术与癌症筛查这个领域实现了「双向奔赴」。

达摩院的AI+医疗影像重要研究，还包括但不限于：

2022年10月，其医疗AI团队初步验证了AI与平扫CT结合的技术可行性，敏感性和特异性均超过专家医生水平，有望用于早期食管癌检查，相关论文发表在了MICCAI2022；同月基于深度学习对头颈癌42个危及器官进行高效精准自动规划，有效减少放射治疗并发症，研究登上NatureCommunications。

2023年6月，针对CV领域的OOD难题提出全新医学图像语义分割框架，让AI更准确识别肿瘤中的疑难罕见案例，并已在胰腺和肝脏肿瘤上得到验证。该研究被CV顶会CVPR2023评为Highlight论文。同月基于增强CT的胰腺肿瘤鉴别诊断也有了新进展，成果在医学图像处理顶会IPMI2023上发表。

2023年8月，发布多癌影像分析通用模型CancerUniT，利用增强CT实现8种主流癌症的辅助诊断，研究成果被CV顶会ICCV2023收录。同月发布的首个可以分割全身143个器官的连续深度学习框架也被ICCV2023接收。

CancerUniT检测、分割和诊断8种癌症肿瘤的示例。图源：https://arxiv.org/pdf/2301.12291.pdf

不久后，达摩院免费开放100件AI专利许可，其中有3件是专门针对癌症的精准治疗和解决关键的医疗图像配准问题（后来在10月份MICCAI2023Learn2Reg竞赛上，达摩院相关医疗图像配准技术以比较明显的优势，获得所有两个赛道的冠军）。

2023年10月，基于CT图像的肝脏肿瘤筛查与诊断、胃癌筛查、肺结节自动检测及良恶性鉴别、胰腺癌预后等几项工作也在MICCAI2023发表。

再加上胰腺癌早期检测模型PANDA，达摩院的医疗AI技术，成为了一个又一个AIforScience的范例。

不仅如此，在达摩院的设想中，AI不仅可以辅助医生进行多个癌症疾病筛查，同时还可以进行心脏病、腰椎、骨骼等疾病筛查，希望能在一张平扫CT的基础上同时检测出8种肿瘤和5种慢性病，实现基于医疗AI的普惠筛查。

据了解，达摩院已与浙大一院、复旦肿瘤、北医三院等多家三甲医院建立了临床科研合作关系，其医疗AI产品已成功对接落地30+家医疗影像合作伙伴，累计落地医疗机构数超过1000家，为全球2000万人次提供了智能化医疗健康服务。

结语

有了AI+平扫CT技术，我们或许可以想象：在未来通过完成常规、有限的体检项目，我们就能在AI加持辅助下获得很多疾病的筛查结果。

此外，在AI技术进一步实用化以后，不仅是医疗影像数据，人们的就诊记录、行为模式，甚至声音等各种信息都可以作为数据进行模型的训练，并用于检测病症，为病人提供精准治疗的数据决策支持。

而这些能帮助人们获得健康的科技，会有一部分来自于阿里达摩院。

达摩院自2017年成立以来，一直以探索未知，以人类愿景为驱动力为目标，面向未来开展基础科学和创新性技术研究。位于科技趋势重要位置的AIforScience，是其努力方向的重中之重。随着近年来一系列技术突破和应用的铺开，很多原本存在于我们想象中的事正在逐步实现。

「任何一家公司生命周期都是有限的，但能留下来的，是阿里巴巴的技术、经验以及对社会的担当。达摩院必须要解决社会问题，才能活得长。」正如马云在达摩院创立之初所期许的，达摩院要成为一家面向未来、以科技解决重大社会问题的企业研究机构。

迎战「癌王」，实现大规模癌症早筛的PANDA，只是一个开始。