AI辅助CT检测，敏锐发现肠道癌症信号

在真实实验中，该模型从2.7万人的平扫CT影像里，找出了5例此前被漏诊的肠癌患者，模型敏感性达到86.6%，特异性达到99.8%。DAMO COCA是达摩院继胰腺癌AI模型DAMO PANDA、胃癌AI模型DAMO GRAPE后，推出的第三款癌症筛查AI。

达摩院从2017年成立起布局医疗AI，提出了“平扫CT+AI”的技术路线：让AI从普通CT影像里找出肉眼不易察觉的癌症病灶，患者不必再额外做检查。该路线目前已覆盖胰腺癌、胃癌、肠癌、肝癌、食管癌等消化道五种癌症。

平扫CT在国内每年产生上亿份影像，单次费用大约两三百元，常用于体检、肺结节复查、外伤评估和腹痛排查。如果能直接从这些已经拍好的片子里检出肠癌，患者就不必再多做一道检查。

但问题在于，腹腔中器官又多又挤、肠道形态复杂，病灶常藏在肠壁褶皱里，再加上患者没做肠道清空时食物残渣会再叠一层干扰，肉眼判读相当吃力。

DAMO COCA采用“先定位、后诊断”的两阶段深度学习架构，搭配混合监督学习策略；研究团队用1321例阳性样本和1357例健康样本做对照训练，并对小于3厘米的早期肿瘤做了专门优化，便于检测可疑病灶。

模型自动识别结直肠癌风险（图源：达摩院）

技术路径上，达摩院把医生在增强CT图像（注射造影剂、对比度更高，但不能作为常规检查手段）上勾画好的肿瘤位置，配准到对应的平扫CT图像。这套思路在2023年的DAMO PANDA（胰腺癌）和2025年的DAMO GRAPE（胃癌）上已经跑通过，胃癌涉及空腔脏器，难度更接近肠癌的场景。

研究团队找来10名不同年资的影像科医生与DAMO COCA对照阅片。结果上，DAMO COCA敏感性比医生平均水平高20.4%，模型在乙状结肠、直肠等易漏部位上的表现突出。而在AI辅助下，医生的敏感性和特异性可分别提高14.5%和3.1%，有效减少临床漏诊。

研究团队把DAMO COCA部署到医院做了两轮真实世界试验，回顾了27433份平扫CT影像，从中找回5例此前被遗漏的肠癌患者。

其中一位患者连续两年都拍过平扫CT、都没被检出，直到第三年通过肠镜才确诊，肿瘤已进一步增大。该模型可帮助类似情况的患者通过平扫CT更早发现异常，及时治疗。

广东省人民医院放射科主任刘再毅称，肠道病灶在平扫CT上确实容易被忽略，DAMO COCA这类工具能帮医生补上这一短板，下一步要把模型铺到更多地区和机构，靠大规模前瞻性研究拿到更扎实的循证证据。

达摩院多癌筛查进展（图源：达摩院）

癌症早筛是医学研究的重中之重，难点主要在于很难找到一种通用方法，能够把多种癌一次性筛出来。国际上目前最主流的尝试是以美国Grail为代表的液体活检，抽一管血、用基因测序去找ctDNA、miRNA等癌症信号，但这一技术目前尚不够成熟，且费用较高，依赖于用户主动配合筛查，覆盖面有限。

“平扫CT+AI”则换了个切入点：不让患者多跑一趟，把癌症排查叠加在他们本来就要做的常规CT上，覆盖面理论上能大不少。从这次DAMO COCA基本表现来看，这条路径确实能够有效弥补传统手段顾及不到的部分。未来能够在更多医院、更大样本量上跑出可复制的结果，是面向该模型的后续考验。