全球首个胃癌影像筛查AI模型GRAPE：用平扫CT识别早期胃癌

在中国，胃癌始终是威胁民众健康的重大公共卫生问题。国家癌症中心数据显示，我国每年新发胃癌约36万例，死亡26万例，死亡人数在所有恶性肿瘤中位列第三。更严峻的是，我国胃癌早期诊断率不足20%，远低于日本（60.3%）和韩国（68.9%），这直接导致我国胃癌患者5年生存率仅为35.9%，与日韩（95%以上）差距显著。这种巨大差距的背后，是我国内镜资源短缺、筛查依从性低、传统筛查成本高等多重现实困境。

胃癌的临床转归与诊断时机密切相关。医学研究表明，早期可切除胃癌的5年生存率高达95%-99%，而晚期患者生存率则不足30%。这一数据凸显了早期筛查的重要性。日本和韩国早在上世纪就通过国家级内镜筛查计划，大幅提高了早期诊断率并降低了死亡率。然而，在我国，大规模人群胃癌筛查面临诸多挑战。

内镜检查虽为胃癌诊断的“金标准”，但作为侵入性检查，民众普遍存在畏惧心理，导致筛查依从率低。同时，我国内镜资源分布不均，优质医疗资源集中在大城市，基层医疗机构内镜检查水平参差不齐，难以保证筛查质量。此外，传统筛查模式成本较高，难以在全国范围内大规模推广。这些因素共同制约了我国胃癌早筛工作的开展，亟需一种非侵入、低成本、高效率的新型筛查方案。

全球首个胃癌影像筛查AI

在这样的背景下，浙江省肿瘤医院与阿里巴巴达摩院联合研发的人工智能胃癌风险评估程序（GRAPE）应运而生。这是全球首个基于非造影CT的胃癌影像筛查AI模型，首次实现了利用平扫CT影像识别早期胃癌病灶，为胃癌防治提供了全新解决方案。

GRAPE的研发突破了多项技术瓶颈。平扫CT作为体检和门诊常用的非侵入式检查，成本低、效率高，但传统认知认为其不适宜检查胃肠道等空腔脏器。联合团队构建了国际上规模最大的胃癌平扫CT影像多中心数据集，克服了胃部形态变化大、内部内容物干扰、早期病灶限于黏膜层等技术挑战。

该模型采用两阶段深度学习框架：第一阶段使用分割网络在完整CT扫描中定位胃，生成分割掩模；第二阶段采用具有双分支的联合分类和分割网络，实现对胃癌的精准识别和风险分层。这种创新架构使得GRAPE在保持高特异性的同时，显著提升了对早期胃癌的检出能力。

大数据支撑下的稳定表现

GRAPE的性能在大规模临床研究中得到了充分验证。研究分为三个阶段，逐步验证了模型的稳定性、准确性和临床实用性。

在模型训练和内部验证阶段，研究团队使用来自中国两家医院的6720例CT数据（其中3470例为胃癌患者）进行模型训练，结果显示在内部验证集中AUC达到0.970，展现出优异的性能。

在外部独立验证阶段，研究团队在16家医院共18160例病例中进行验证，AUC为0.927，显示出良好的泛化能力。亚组分析表明，GRAPE的检出率随T分期提高而升高，且与肿瘤部位无关，这意味着该模型在不同进展程度和不同部位的胃癌检测中均能保持稳定表现。

在与放射科医生的对比研究中，GRAPE表现出显著优势。在早期胃癌识别上，GRAPE的准确率超过所有13名参与研究的放射科医生，灵敏度提升21.8%，特异性提升14.0%。更值得关注的是，当AI辅助医生进行诊断时，医生的诊断准确性也明显提高，体现了AI与人工解读的良好协同效应。

在真实世界的机会性筛查验证中，研究团队在两家地区医院与浙江省肿瘤医院共计78,593名患者的平扫CT真实数据中进行了测试。GRAPE识别出11.3%的高危个体，在两家地区医院的高危人群中，胃癌最终确诊率分别为24.5%和17.7%，其中T1/T2期检出率超过25%，约40%的病例无腹部症状。这一结果充分验证了GRAPE在机会性筛查中的价值，证明其能够在患者尚无明显症状时发现潜在的胃癌病灶。

为高危人群赢得早诊时间窗口

GRAPE的一大创新价值在于其“机会性筛查”能力。回顾性分析表明，部分患者在确诊前半年至一年内已有非胃病原因拍摄的CT检查记录，通过GRAPE重读可发现病灶。例如，一名患者于确诊局部晚期胃癌前6个月因肺结节随访做过一次平扫CT，GRAPE回顾性分析后提示为胃癌高风险。如果当时就有AI辅助筛查，该患者可能获得更早的诊断和治疗机会。

这种“机会性筛查”模式可以在患者因其他疾病就诊或体检时，无需额外检查，仅通过已有的平扫CT影像即可进行胃癌风险评估，大大提高了筛查的便利性和可及性，为胃癌早诊赢得了宝贵的时间窗口。

GRAPE的研发成功，不仅是一项技术突破，更是胃癌筛查模式的创新。该模型将AI技术与常规平扫CT相结合，开创了“平扫CT+AI”的胃癌筛查新模式。与传统筛查方法相比，这种新模式具有显著优势：平扫CT是非侵入性检查，患者接受度高，有助于提高筛查依从性；平扫CT在各级医院和体检中心广泛普及，无需额外设备投入，有利于大规模推广；AI的加入大大提高了筛查的效率和准确性，弥补了基层医疗资源不足的短板。

从技术角度看，GRAPE的创新之处在于其独特的模型架构和训练方法。模型将分类和分割任务集成到一个深度学习框架中，既能够从肿瘤的详细局部纹理模式中提取特征，又能全面了解胃的整体形状和结构，从而实现精准的胃癌识别和风险评估。此外，GRAPE还具有良好的可解释性，通过分割掩模和分类评分，为临床医生提供了清晰的诊断依据。

AI赋能推动癌症早筛进展

就在昨日，浙江省肿瘤医院联合阿里巴巴达摩院召开发布会，宣布将依托该项AI技术率先在浙江、安徽等地开展大规模人群胃癌筛查。浙江省肿瘤医院党委书记程向东表示：“该AI模型是重大的医学突破，让基于影像的胃癌筛查首次成为可能。再高精尖的根治手术，效果都比不上筛查与早诊早治。”

在实际应用中，GRAPE将采用“AI初筛+胃镜确诊”的模式：首先利用AI对腹部平扫CT检查患者进行初筛，识别出胃癌高风险人群；然后引导高风险人群进行胃镜检查，实现精准诊断。这种模式既提高了筛查效率，又避免了胃镜检查的过度使用，降低了筛查成本，同时提高了胃癌检出率。

据浙江省肿瘤医院数据显示，该院早期胃癌患者就诊比例已超过40%，经治的可统计胃癌手术患者5年生存率达66%，远高于全国平均水平。随着GRAPE模型的推广应用，有望在全国范围内提升胃癌早期诊断率和生存率，改善我国胃癌防治现状。

GRAPE的研发成功，是AI在医疗影像领域应用的又一重要突破。阿里巴巴达摩院自成立之初就布局医疗AI，已在胰腺癌、胃癌、食管癌、结直肠癌、肝癌等多种癌症，以及骨质疏松、脂肪肝等慢性病和主动脉综合征等急症的筛查和诊断方面取得多项研究成果。其中，胰腺癌筛查AI模型DAMO PANDA和胃癌筛查AI模型GRAPE先后登上国际顶级期刊《自然・医学》，标志着“平扫CT+AI”的多癌筛查模式正在成为现实。

在胃癌防治的道路上，GRAPE的出现为我们带来了新的希望。它不仅是一项技术创新，更是一种筛查模式的革新，有望在我国胃癌防治工作中发挥重要作用，为降低胃癌死亡率、提高患者生存率做出积极贡献。随着该模型的不断推广和应用，我们有理由相信，我国胃癌防治水平将迎来新的提升，更多患者将因早诊早治而受益。

参考文献：

[1] Smyth, E.C., Nilsson, M., Grabsch, H.I., van Grieken, N.C. & Lordick, F. Gastric cancer. Lancet 396, 635-648 (2020).

[2] Arnold, M., et al. Is gastric cancer becoming a rare disease? A global assessment of predicted incidence trends to 2035. Gut 69, 823-829 (2020).

[3] Lin, J.-L., et al. Global incidence and mortality trends of gastric cancer and predicted mortality of gastric cancer by 2035. BMC Public Health 24, 1763 (2024).

[4] Xia, J.Y. & Aadam, A.A. Advances in screening and detection of gastric cancer. J Surg Oncol 125, 1104-1109 (2022).

[5] Jiang, Y., et al. Predicting peritoneal recurrence and disease-free survival from CT images in gastric cancer with multitask deep learning: a retrospective study. Lancet Digit Health 4, e340-e350 (2022).

免责声明：本文仅作最新前沿信息交流之目的，仅供医疗卫生行业专业人士阅读参考，文中所有观点不代表梅斯医学立场，亦不代表梅斯医学支持或反对文中观点。如需获得治疗方案指导，请前往正规医院就诊！