阿里最新研究：依靠AI识别 普通CT能查出早期食管癌

Posted 2022-09-26 CSDN云计算

食管癌是我国的高发癌症之一，早发现能显著提高病人的存活率，但临床医学界一直缺乏较好的早期筛查手段。阿里巴巴达摩院联手国内多家医院，首次将AI与普通的平扫CT结合，能够有效的识别早期食管癌，敏感度达93%，特异度达98%，其准确性已经超过医生水平。研究论文已被本周举行的医学影像国际顶会MICCAI 2022收录，目前正进行多中心大规模的临床验证，未来有望在体检项目中广泛落地。

全球癌症统计2020年版（GLOBOCAN 2020）显示，食管癌2020年全球的新发病例数超过60万，死亡人数超过37万例，其中有一半来自中国。食管癌致死率高，主要因为发现太晚，早期食管癌患者经治疗后，5年生存率良好。因此，国家卫健委《食管癌诊疗指南（2022年版）》提出了早诊早治的策略。

食管癌早筛虽已有多种手段，但准确性都相对有限，容易漏检，尤其是缺乏低门槛、高可靠的方法。以胃镜活检为例，其需要将内窥镜从嘴中伸入消化道，侵入式操作导致用户体验较差，难以大范围推广。CT影像筛查则非常依赖于医生高超的辨别力，尤其是早期食管癌病灶较小，直径大多1-2厘米左右，且和食管的肌肉组织较为相似，区分难度很大。

达摩院医疗AI团队联合浙江大学医学院附属第一医院、中山大学肿瘤防治中心、中国医科大学附属盛京医院、四川省肿瘤医院等机构，从2022年初切入这一难题。其基本思路是让病人只做门槛较低的平扫CT检查，然后用AI技术来识别是否存在食管肿瘤、是良性还是恶性。平扫CT就是最普通的CT扫描，不需要额外注射含碘造影剂，已广泛用于各类体检。

针对早期食管癌尺寸较小、与正常组织难以区别的特点，研究团队重点改进了分割算法模型，引入全局注意力机制，和位置嵌入相结合，让分割模型不只关注局部，还关注整体。也就是说，AI需要学习食管的形状、纹理等各种全局特征，判断是否存在不对称食管壁增厚或挤压食管壁等异常，同时也分析局部图像细节，这种类人的算法设计，大大提升了AI识别早期食管癌的能力。

入选MICCAI 2022的论文《Effective Opportunistic Esophageal Cancer Screening using Noncontrast CT Imaging》显示，研究团队针对四家医院741例病人（424例早期食管癌症，57例良性肿瘤，260例正常）进行实验，其中180例用于独立测试，平扫CT结合AI识别的敏感度达93%（有食管肿瘤的识别为有肿瘤），特异度达98%（健康食管的识别为健康）。研究团队还邀请四名来自不同医院的放射科和放疗科的食管癌方向的医生参与测试，经验从5年14年不等，医生识别结果均弱于AI。研究团队还将AI识别与文献报道的其他方法做对比，AI识别精度已基本相当于胃镜检查的定量结果，超过血液检查、细胞学检查。

AI识别准确度超过四名医生

“论文提交后，我们还在持续深化研究，目前已新增超过2000个训练病例，准确性进一步提升，在超过5000人的独立测试中，敏感度已达 98%，特异度达99.5%。 ”达摩院医疗AI团队负责人、IEEE Fellow吕乐表示，这项技术已经在公有云上开放API调用接口，以便医生体验和使用；未来有望用于常规体检项目，降低食管癌的筛查门槛，实现早诊早治。

AI识别出的早期食管癌和良性肿瘤，医生未能识别

MICCAI 2022今年9月18-22日在新加坡召开，这是全球最具影响力的医学影像顶会，达摩院医疗AI团队共有4篇论文入选，除食管癌外，还在结直肠癌、皮肤癌，淋巴检测等影像分析上取得突破。目前，团队正在研发精准癌症诊疗AI影像系统，包括规模筛查、精准诊断、预后治疗、响应评估等全流程的癌症诊疗技术，覆盖多个重要病种。达摩院医疗AI团队长期致力于医学影像等方向研究，曾在疫情初期研发出CT影像新冠肺炎AI辅助诊断系统，被科技部评为全国科技抗疫先进集体。

API调用接口：食管癌检测 - 阿里云视觉智能开放平台 - 阿里云

论文链接：Effective Opportunistic Esophageal Cancer Screening Using Noncontrast CT Imaging | SpringerLink