胰腺癌(Pancreatic Cancer)，是一种恶性程度很高，诊断和治疗都很困难的消化道恶性肿瘤，平均五年生存率不到10%，是中国乃至全球生存率低的恶性肿瘤，被称为“癌中之王”。

                                                                                                                                                图片来源于网络，侵删

　　世界卫生组织曾表示，有三分之一的癌症可通过早发现、早诊断、早治疗实现治愈。可目前临床指南却并不推荐筛查胰腺癌，这是由于其发病率相对偏低，已有的筛查方式会产生大量假阳性，进而造成一系列不良后果。

　　CT是胰腺癌检测中使用广泛、敏感的检查方式，但体检及医院常用的平扫CT图像对比度低，很难识别早期胰腺病变，即便是经验丰富的放射科医生也容易出现漏诊现象。因此，开发更为精确的CT检测模型对于胰腺癌的早期筛查至关重要。

　　为解决这一历史性难题，阿里达摩院联合全球十多家顶尖医疗机构展开探索，并将这一研究成果于11月20日发表在国际医学顶级期刊《Nature medicine》上，证实了通过“平扫CT+AI”技术，是大规模检测早期胰腺癌的有效手段。具体而言，是 将AI用于体检中心、医院等无症状人群的胰腺癌筛查，仅需辅以简单的平扫CT，就可以在2万多临床病例中，实现90%的胰腺癌病变敏感性和99.9%的病变特异性，实现“精准算病”!

　　鲜为人知的是，这项堪称“里程碑式”研究的灵感起源于上海市胰腺疾病研究所的曹凯医生的真实经历。

　　大学期间，曹医生的实习导师A教授不幸确诊胰腺癌，发现时已是晚期，最终因医治无效逝世。痛惜之余，曹医生在翻看A教授的病历数据时发现，其在确诊胰腺癌的十个月前曾在医院体检时拍过一次胸部平扫CT，仔细察看，胰腺部分有一丝病变痕迹。这让曹医生萌生一种大胆的想法：假若所有胰腺癌患者都能在确诊前的十个月，通过体检提前发现癌症病灶，并进行根治性的手术切除，将获得更好的生存质量。 达摩院医疗AI团队长期注重以技术解决临床的真实需求，在了解到曹医生的设想后，双方一拍即合，随即联同全球10多家顶尖机构发起研究课题，研究以“平扫CT+AI”的方法进行大规模的胰腺癌早期筛查。

　　众所周知，胰腺癌变位置隐匿，在平扫CT图像中往往无明显表征，针对这一难题，达摩院研究团队构建了一个独特的深度学习框架——胰腺癌早期检测模型PANDA。其原理简言之就是利用AI放大并识别平扫CT图像中那些肉眼难察的细微病理特征。这包括三个阶段： 先是通过构建分割网络(U-Net)来定位胰腺，之后采用多任务网络(CNN)来检测异常情况，最后采用双通道Transformer来分类并识别胰腺病变的类型。

　　另一方面，针对胰腺肿瘤位置隐匿、在平扫CT图像中无明显表征的问题，达摩院团队创造性地提出 “知识迁移”训练方式，就是 利用图像配准技术将增强CT上的先验知识迁移至平扫CT的数据集上，将不同胰腺肿瘤的局部特征与全局特征编码进框架，并用病理金标准确认的肿瘤类型用于监督AI的训练。 这一举解决过往AI识别癌症时普遍存在的勾画难、标注难、训练难等问题。

　　俗话说“实践是检验真理的唯一标准”，PANDA在实际医学检测中是否真的能如科学家预测的那样“精准算病”呢?

　　为回答这个疑问，研究人员首先做了一个内部测试评估，他们选取了上海市胰腺疾病研究所(SIPD) 的291例患者(其中108例为PDAC患者，67例为非PDAC患者，116例为正常结果)进行了病变检测。 令人吃惊的是，PANDA对胰腺癌的灵敏度为94.9%，特异性更是达到了100%。对于常见的胰腺导管腺癌(PDAC)亚型，PANDA的灵敏度为97.2%，特异性为97.3%;甚至对于体积较小的PDAC (直径<2 cm)检测灵敏度也能高达85.7%。

　　这一结果振奋人心，研究人员随即将PANDA运用到外部多中心试验队列。他们又选取了来自中国、中国台湾和捷克共和国的5337例患者(其中2737例为PDAC,932例为非PDAC, 1668例为正常结果) 的非对比腹部CT扫描结果，进行了PANDA检测。 惊喜的是，PANDA检测病变的灵敏度为93.3%，特异性为98.8%。对于PDAC亚型患者，总体检出率为96.5%，检测敏感性为90.1%，特异性为95.7%。对于体积较小的PDAC病变(直径<2 cm)，检测灵敏度高达92.2%。

　　由此可见，PANDA模型的结果是十分可信的。随后，研究人员验证了在胸部CT上使用PANDA检测胰腺病变的可行性。他们收集了492例患者的非对比胸部CT扫描(其中63例为PDAC, 51例为非PDAC, 378例为正常结果)。 值得高兴的是，在不调整任何胸部CT扫描的情况下，PANDA在病变检测方面的灵敏度为86.0%，特异性为98.9%，PDAC亚型的灵敏度为92.1%。 甚至，有75%的患者虽然在CT扫描中未捕获胰腺病变，但其PDAC病灶却仍能被PANDA检测到，并将这些患者正确分类为“有病变患者”。

　　上述成功的结果令团队欢欣雀跃，终于，人类在面对“癌王”的时候有望争取主动权了!随后，达摩院对PANDA模型进行了两次大规模的临床评价。

　　第一次临床试验主要评估了PANDA的临床检测表现、护理诊断标准的变化、病人受益情况及安全和效率。研究人员共招募了16420名志愿者，其中包含44个PDAC患者和135个非PDAC患者。 对于病变检测，PANDA的总灵敏度为84.6%，特异性为99.5%，对于PDAC鉴定，PANDA的总灵敏度为95.5%，特异性为99.9%。阳性预测值(PPV)为68.9%。 此外，在体检、急诊、门诊和住院四种情况下，PANDA对住院患者病变的敏感度高，为88.6%，PANDA对体检患者的特异性高，为99.8%。护理诊断标准的结果显示，PANDA可以检测到26例初始护理标准未检测到的胰腺病变，其中包括 1例PDAC, 1例PNET, 3例IPMNs, 1例转移性癌，6例胰腺炎，1例胰腺周围肿瘤和13例SCN/囊肿(10-33 mm)。 PANDA早期检测有利于患者的管理和治疗，并具有极高的安全性和效率。

　　尽管第一次临床分析的结果已经足够“优秀”，但本着精益求精的精神，研究人员还是对PANDA进行了进一步的“升级”，生成的模型命名为PANDA Plus。随后，他们招募了4110名志愿者，其中包含32个PDAC患者和134个非PDAC患者。 功夫不负有心人， PANDA Plus在保留了与PANDA相同灵敏度的基础上，减少了80%以上的假阳性，病变检测和PDAC鉴定的特异性均达到99.9%;并能检测到最初标准治疗未发现的5例胰腺病变，包括1例PDAC、1例PNET和3例囊肿(10-32 mm)，对于急性胰腺炎的检测灵敏度也高达90.0%。

　　正如Nature Medicine资深编辑所评价的那样，这项工作是“非常引人注目的研究，为使用深度学习进行胰腺癌CT筛查提供了非常坚实的论据”。 截至目前，PANDA模型已在医院、体检等场景被调用超过50万次，每1000次只出现一次假阳性。真正做到了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，减少了悲剧的发生。

　　据了解，研究的主要践行者——达摩院医疗AI团队，正在联合全球多家顶尖医疗机构，继续利用AI技术探索低廉、高效的多癌筛查新方法，希望能让人们通过一次平扫CT就查出多种早期癌症。这项工作已经在胰腺癌、食管癌肺癌、乳腺癌、肝癌、胃癌、结直肠癌等高发癌症上取得阶段性进展，研究成果先后登上《Nature Communications》等医学期刊及CVPR/MICCAI/IPMI等AI顶会。

　　文章摘自网络，侵删