2025年6月24日，國際頂級醫學期刊《自然·醫學》（Nature Medicine）刊發的一篇論文，在中國乃至全球的醫療AI領域投下了一枚重磅炸彈。

由浙江省腫瘤醫院與阿里巴巴達摩院聯合團隊研發的胃癌篩查AI模型GRAPE，宣告僅通過最常規的腹部平掃CT影像，實現對胃癌，特別是早期胃癌的規模化篩查。

在胃癌發病率、死亡率雙高，而早期診斷率嚴重不足的中國，這一成果直指一個規模巨大、卻始終未能有效解決的公共衛生痛點。

繼胰腺癌篩查模型PANDA之后，達摩院的“平掃CT+AI”多癌篩查戰略再下一城，其背后的商業邏輯、市場格局與未來想象空間，值得進行一次徹底的審視與剖析。

一道無解的方程：中國的胃癌困局

胃癌，是中國的一場“沉默的流行病”。根據國家癌癥中心的數據，中國每年新增胃癌患者約35.87萬，死亡人數高達26.04萬，占全球總數的近40%。與此相伴的，是“兩高一低”的嚴峻現實：發病率高、死亡率高，以及僅為35.9%的五年生存率。

這道生存率鴻溝，在與鄰國日本（60.3%）和韓國（68.9%）的對比中顯得尤為刺眼。值得注意的是，這一差距并非源于手術技術或創新藥物的代差，其根本原因在于后者自上世紀80、90年代起便推行了全國性的胃鏡篩查計劃。這些計劃將韓國等國的胃癌早診率（確診時仍屬早期的比例）提升至60-70%的水平；而在中國，超過70%的患者在確診時已是進展期，錯失了最佳治療窗口。

醫學界的共識和數據早已證明，早期發現是逆轉胃癌高死亡率的唯一關鍵。早期胃癌（EGC）經過治療后的五年生存率高達95-99%，幾乎等同于治愈；而晚期患者則不足30%。

因此，GRAPE模型所要解決的，并非一個未知的科學難題，而是一個已被充分驗證、但始終無法在中國大規模有效實施的巨大市場缺口。

1）胃鏡的瓶頸與替代方案的集體失效

既然胃鏡是金標準，為何在中國難以普及？答案在于其固有的三大瓶頸：侵入性、資源依賴和低效率。

首先，胃鏡作為一種侵入性檢查，會給患者帶來不適與痛苦，導致民眾接受度與依從性極低。官方數據顯示，中國每年完成的消化道內鏡檢查不足4000萬例，大量人群終身未接受過胃鏡檢查 。在一些針對性的篩查項目中，依從率甚至低至18-48%。

其次，胃鏡檢查高度依賴操作醫師的經驗和麻醉科醫生的配合，優質醫療資源分布不均，難以支撐全國范圍的普篩。

最后，也是最致命的一點，是其效率低下。傳統胃鏡篩查的胃癌檢出率僅為1.16%至1.20%，這意味著平均需要進行約100次胃鏡檢查才能發現1例胃癌。這種“大海撈針”式的模式，對于擁有14億人口的中國而言，無論在經濟成本還是醫療資源上，都是難以承受的。

因此，《中國早期胃癌篩查流程專家共識（2022版）》等權威指南明確指出，當前最可行的策略是：先通過非侵入性方法篩選出高風險人群，再對這部分人群進行靶向性胃鏡精查。這一策略的核心，在于找到一個精準的“過濾器”。

然而，現有的“過濾器”們表現均不盡如人意。以血清學檢測（如胃蛋白酶原PG、胃泌素G-17、幽門螺桿菌Hp抗體等）為代表的傳統方法，被證明對檢出率的提升極為有限，僅能將檢出率從1.20%微升至1.25%。而近年來備受關注的液體活檢技術，盡管前景廣闊，但目前仍面臨成本高昂、靈敏度有待提升等商業化初期的難題。

這就形成了一個清晰的市場真空：市場迫切需要一種全新的、非侵入性的、低成本且高精度的風險分層工具。GRAPE的價值定位，并非要取代胃鏡，而是要成為那個高效的“過濾器”，確保每一臺寶貴的胃鏡檢查都能用在“刀刃”上，從而在宏觀層面解決整個篩查體系的效率難題。

GRAPE藍圖：醫療AI的新范式

GRAPE模型的誕生，本身就是對行業固有認知的一次顛覆。長期以來，醫學界普遍認為平掃CT（NCCT）因其對胃、腸等空腔臟器的成像對比度低，且易受氣體、蠕動等因素干擾，無法用于胃癌篩查。

達摩院與浙江省腫瘤醫院的聯合團隊，通過構建全球最大規模的胃癌平掃CT影像數據集，并利用深度學習技術，從這些在人眼看來信息量極低的影像中，挖掘出了早期病變的微妙特征。

這一成果建立在達摩院“平掃CT+AI”技術路線的長期積累之上。其早前發布的胰腺癌篩查模型PANDA，同樣基于平掃CT，也登上了《自然·醫學》，并獲得了FDA的“突破性醫療器械”認定，這為GRAPE的技術可靠性提供了強有力的背書。

1）技術架構：兼顧性能與可解釋性

GRAPE模型采用了一個高效且巧妙的兩階段深度學習框架，其核心基于在醫學影像分割領域被廣泛驗證的nnU-Net架構。

• 第一階段：胃部分割。 模型首先利用一個分割網絡，在整個三維CT掃描中精準定位并“框”出胃部區域。
• 第二階段：聯合分類與分割。 隨后，一個包含分類和分割雙重任務的網絡，對分離出的胃部區域進行精細分析。它不僅能輸出一個將患者分為胃癌（GC）或非胃癌（NGC）的風險評分，還能同時生成一個像素級的分割掩碼，在圖像上直接標示出可疑的腫瘤區域。

這種架構設計是其未來臨床推廣的關鍵優勢之一。它并非一個提供“是”或“否”答案的“黑箱”，其輸出的分割圖像（即可解釋性）為放射科醫生提供了直觀的視覺證據。醫生可以據此驗證AI的判斷，這極大地增強了臨床采納的信任度，有效解決了許多醫療AI工具因“不可解釋”而難以被醫生接受的核心痛點。

2）臨床數據深度解讀：關鍵在于早期發現

GRAPE的性能表現經過了極為嚴苛的多中心、大規模數據驗證。模型在包含20個中心、近10萬人的數據上進行了開發與驗證。

• 內部驗證集（1,298例）： 曲線下面積（AUC）高達0.970，敏感性為85.1%，特異性為96.8%。
• 獨立外部驗證集（來自16個中心，18,160例）： 表現依然穩健，AUC為0.927，敏感性81.7%，特異性90.5%。

在與13名放射科醫生的“人機大戰”中，GRAPE（AUC 0.92）的表現全面超越了所有人類專家（AUC范圍0.76-0.85），平均靈敏度提升21.8%，特異性提升14.0%。

然而，對于一個篩查工具而言，最有價值的指標并非其平均性能，而是其對早期癌癥的檢出能力。論文數據顯示，GRAPE對早期胃癌（EGC, T1/T2期）的檢出敏感性約為50%，而對進展期（T3/T4期）則超過90% 。

篩查的全部意義就在于“早”，能將晚期胃癌的發現窗口提前至早期，這正是GRAPE的顛覆性價值。

“一掃多查”的雄心

達摩院的雄心不止于胃癌。其公開宣稱的“一掃多查”戰略，是以一次平掃CT檢查為入口，通過AI平臺同時對胰腺癌（PANDA）、胃癌（GRAPE）、肝癌、結直腸癌、食管癌乃至骨質疏松等多種疾病進行篩查。此前，達摩院已實現在胰腺癌上的突破。

當前，醫療AI市場高度碎片化，充斥著大量只能解決單一問題的“點解決方案”。對于醫院而言，采購、集成、管理數十個來自不同供應商的AI工具，是一場IT和工作流程的噩夢。

如果達摩院的“一掃多查”，能夠在多種腫瘤或其他疾病中顯示積極作用，對醫院來說，它就只需一次性集成該平臺，即可獲得一個不斷擴充的、覆蓋多個病種的AI能力庫。

如何商業化？

商業化的核心是支付。對于GRAPE這類“軟件即醫療器械”（SaMD），其報銷路徑在中國尚不清晰。

因此，對于類似GRAPE的軟件即醫療器械類產品商業化可能需要多條腿走路：

1. B2B模式（體檢機構）： 這是目前最清晰、最可行的主渠道。向美年健康這樣的大型連鎖體檢機構銷售“一掃多查”AI服務包，由體檢機構作為增值服務向其企業和個人客戶推廣。
2. B2B2C模式（醫院自費）： 醫院在進行常規CT檢查時，向患者提供一個可選的、自費的“AI癌癥風險評估”附加項。考慮到中國平掃CT的價格相對低廉（約300-500元），增加一項數百元的AI分析費用，對于關注健康的中產階層具有吸引力。
3. OEM/授權模式（設備廠商）： 將GRAPE算法授權給影像設備巨頭，作為其高端CT機型的一大賣點。這是一種輕資產、高杠桿的渠道擴張模式。
4. 價值醫療模式（未來探索）： 從衛生經濟學的角度，向支付方（包括商業保險和未來的醫保政策制定者）證明，投入AI篩查的成本，遠低于其所能節省的晚期癌癥治療費用。這需要長期的、大規模的前瞻性隊列研究數據支撐，是終極目標，但道阻且長。

不過積極來看，GRAPE有望在未來大幅改善中國胃癌的檢出率，提高中國患者生存率，讓我們一起期待其大規模的前瞻性驗證。

本文來自微信公眾號“硬AI”，關注更多AI前沿資訊請移步這里