編輯 | 白菜葉

據統計，我國有 30% 多的胃癌（GC）病人，首診的時候已經是晚期，從而錯失了手術治療的機會。所以，早期發現對于降低 GC 死亡率至關重要。

然而，在大多數胃癌高發地區，由于資源有限、依從性低以及上消化道內鏡篩查檢出率不理想，大規模篩查仍然具有挑戰性。

因此，迫切需要更高效的篩查方案。于是，科學家們另辟蹊徑，嘗試用人工智能技術來分析臨床常規使用的平掃計算機斷層掃描（CT）來檢測癌癥。

中國科學院杭州醫學院、浙江省腫瘤醫院、阿里達摩院等組成的聯合研究團隊開發了人工智能胃癌風險評估程序（Gastric Cancer Risk Assessment Procedure with Artificial Intelligence，GRAPE），利用非造影 CT 和深度學習來識別胃癌。

厲害之處在于，GRAPE 能夠僅僅通過分析患者在醫院拍到的普通平掃 CT 影像，就識別出早期胃癌。

相關研究以「AI-based large-scale screening of gastric cancer from noncontrast CT imaging」為題，于 2025 年 6 月 24 日發布在了醫學類頂刊雜志《Nature Medicine》上。

可能需要先給大家解釋一下，胃癌的預后（ 指根據經驗預測的疾病發展情況 ）跟分期直接相關。胃癌隨著分期增加（ 從 T1 一直到 T2、T3、T4 ），腫瘤從里到外逐漸深入到黏膜、肌層、漿膜，到胃癌晚期或者腫瘤侵入到漿膜層的時候，已經無法用手術根治。

據統計，T1 期的病人有 97% 到 99% 的治愈率，而 T4 期的病人，無論用再好的藥物，平均生存時間也只有 10 到 12 個月左右?？傊皆绨l現越早治療，越能提高患者的存活率，這也是研發 GRAPE 的價值所在。

關于 GRAPE

GRAPE 模型是一個深度學習框架，旨在分析三維 (3D) 非造影 CT 掃描圖像，從而檢測和分割胃癌 (GC)。GRAPE 模型基于內部訓練隊列進行訓練，其中包括 3,470 例胃癌 (GC) 病例和 3,250 例胃癌 (NGC) 病例。該模型生成兩個輸出：胃部和腫瘤的像素級分割掩模，以及區分胃癌 (GC) 患者和胃癌 (NGC) 患者的分類評分。

圖示：GRAPE 的開發、評估和臨床轉化概述。（來源：論文）

該模型采用兩階段方法。在第一階段，使用分割網絡在完整 CT 掃描圖像中定位胃部，生成分割掩模，然后使用該掩模裁剪并隔離胃部區域。裁剪后的區域被輸入到第二階段，在該階段，使用具有雙分支的聯合分類和分割網絡。分割分支用于檢測已識別胃區域內的腫瘤，而分類分支則整合多級特征，將患者分類為胃癌陽性 (GC) 或胃癌陰性 (NGC)。

性能驗證

研究人員在內部驗證集（1,298 例，曲線下面積 = 0.970）和來自 16 個中心的獨立外部隊列（18,160 例，曲線下面積 = 0.927）上驗證了 GRAPE 的性能。

與之前基于臨床信息和血清學診斷的模型相比，GRAPE 在胃癌檢測方面表現出了更優異的性能（AUC 0.757–0.79），其性能與液體活檢（包括血液樣本中的環狀 RNA、microRNA、游離 DNA 和代謝物）相當，后者的 AUC 值在 0.83 至 0.94 之間。亞組分析顯示，GRAPE 對早期胃癌（EGC）的敏感性約為 50%，對 T3 和 T4 期胃癌（GC）的敏感性超過 90%。

圖示：讀者研究。（來源：論文）

接下來，他們將 GRAPE 的判讀結果與放射科醫生的判讀結果進行比較，并評估其輔助診斷判讀的潛力。讀者研究表明，GRAPE 的表現顯著優于放射科醫生，靈敏度提高了 21.8%，特異度提高了 14.0%，尤其是在早期胃癌中。

為了驗證 GRAPE 在實際醫院機會性篩查中的價值，該團隊開展了兩項真實世界的案例研究，研究對象為一家綜合癌癥中心和兩家獨立的地區性醫院的 78,593 例連續非造影 CT 掃描。GRAPE 識別出高危人群，兩家地區性醫院的胃癌檢出率分別為 24.5% 和 17.7%，其中 T1/T2 期檢出病例比例分別為 23.2% 和 26.8%。

此外，GRAPE 還能發現放射科醫生最初遺漏的胃癌病例，從而能夠在其他疾病的隨訪中更早地診斷出胃癌。GRAPE 在胃癌確診前 6 個月進行的診斷前掃描中也表現出良好的性能。

價值意義

盡管 GRAPE 具有優勢，但它并非旨在取代內鏡檢查。研究人員認為，對于有癥狀且不愿接受初始內鏡篩查的患者，它提供了一種有價值的替代方案。并且，該方法不僅僅限于胃癌，它很容易推廣到其他癌癥的早期發現應用中。

此外從患者的角度，研究人員進行了一個估算：如要篩查七大主流癌癥，胃腸鏡、增強 CT、超聲等傳統檢查成本累計至少 3000 元，而基于平掃 CT+AI 的方法，成本僅約 200 元。

達摩院團隊指出，這種「一掃多篩」的方法能有效彌補醫生因?？苹?、疲勞工作導致的診斷盲區，AI 的全局篩查能力可顯著提升 CT 影像的檢測精度。該團隊強調，AI 輔助診斷不僅能標記可疑病灶減輕醫生負擔，其無差別掃描特性更突破了人類醫生?？埔暯堑木窒扌浴?/p>

總而言之，GRAPE 展現出進行大規模胃癌篩查的強大潛力，為早期癌癥發現提供了一種行之有效的解決方法。為人類健康保駕護航！

論文鏈接：https://www.nature.com/articles/s41591-025-03785-6