这个AI能救命！阿里达摩院开发LiON系统，辅助肝脏恶性肿瘤诊断，发现漏诊癌症患者

撰文丨王聪

编辑丨王多鱼

排版丨水成文

肝脏，是人体最大的实质器官，也是癌症转移的“重灾区”。原发性肝癌（主要是肝细胞癌）是全球癌症死亡的主要原因之一，预计到 2050 年新发肝癌病例将超过 150 万。而比原发肝癌更常见的，是癌症肝转移——几乎任何部位的恶性肿瘤，都可能通过血液悄悄转移到肝脏。

在临床实践中，增强 CT（CE-CT）是评估肝脏病变的一线手段，但它存在多项障碍——工作量大（每一次腹部 CT 检查，医生都必须对肝脏进行全方位扫雷，耗时且费力）；小病灶难发现（小于 1 厘米的转移灶，极易被漏诊）；脂肪肝、肝硬化背景下诊断更难（正常肝实质的信号被改变，病变对比度下降）；不确定病变的管理困境（是活检？是随访？还是直接干预？医生常常面临两难）。

这带来的结果是——遗漏或延迟诊断，成为高负荷的真实世界放射科工作流程中的重要临床挑战。那么，人工智能（AI）能否成为那张兜底的“安全网”？

2026 年 8 月 19 日，中国医科大学附属盛京医院石喻教授、阿里巴巴达摩院张灵、浙江大学医学院附属第一医院梁廷波教授、中国医科大学附属盛京医院侯阳教授、浙江大学医学院附属第一医院张琪教授等（张笑铭、李春利等人为论文共同第一作者），在国际顶尖医学期刊Nature Medicine上发表了题为：Large-scale AI-guided liver malignancy diagnosis: multicenter study and a single-arm trial 的研究论文。

该研究开发了基于增强 CT（CE-CT）的 AI 系统——肝脏诊断网络（Liver DiagnOsis Network，简称为LiON），这也是全球首个大规模、多中心、真实世界部署的肝脏恶性肿瘤 AI 辅助诊断系统，在 10000 多例真实世界临床诊断场景中，找到了 15 个原本被遗漏的肝脏恶性肿瘤病例。

肝脏恶性肿瘤常通过增强 CT（CE-CT）进行评估，但在高负荷、真实世界放射科工作流程中，漏诊或延迟诊断仍是重要的临床挑战，凸显了建立可扩展的诊断安全网方法的必要性。

在这项新研究中，研究团队开发了一个基于 CE-CT 的 AI 系统——肝脏诊断网络（Liver DiagnOsis Network，简称为LiON），其支持灵活的多期相处理、临床数据整合以及与现有工作流程兼容的肝脏恶性肿瘤诊断。

首先，LiON 在6443名患者上进行了训练，并在来自多中心和真实世界队列 251 名患者中进行了回顾性验证。LiON 在恶性肿瘤诊断中表现出高性能，其受试者工作特征曲线下面积（AUC）为0.975，并在真实世界队列脂肪肝患者和肝硬化患者中保持了稳健性能，AUC 分别为0.971和0.924。

接下来，研究团队对 LiON 进行了压力测试，在两个高风险临床场景中评估了 LiON 的表现：利用 CE-CT 对早期肝细胞癌（HCC）进行诊断，并以 CE-MRI 的解读结果作为基准；在胰腺导管腺癌（PDAC）患者中诊断肝转移。结果显示，在早期肝细胞癌中，LiON 的 AUC 达 0.972；在胰腺导管腺癌中， LiON 诊断肝转移的 AUC 达 0.979。

最后，研究团队在常规临床实践中对10333名患者开展了一项单臂前瞻性临床试验，LiON 作为额外的 AI 阅片工具嵌入现有临床工作流程中运行——

1、AI 并行阅片；

2、当 AI 与初诊放射科报告不一致时，触发干预机制；

3、诊断不一致病例由资深放射科医生复核；

4、未解决或临床相关发现，升级至多学科专家会诊。

该临床试验达到了主要终点，即恶性肿瘤诊断的 AUC 的 95% 置信区间下限超过 0.900，实际 AUC 为0.952（95% CI：0.942−0.961），下限 0.942 远超 0.900。次要终点显示，AI 与人工协作识别出 51 个此前被忽略的病灶，其中15个为恶性肿瘤（也就是平均每 1000 例 CE-CT 检查，LiON 就能额外发现 1.45 例恶性肿瘤），并促使 37 份影像报告修改、22 例多学科会诊升级（其中 14 例确诊为恶性肿瘤，3 例通过活检新确）、4 例患者因疾病分期上调而立即改变了治疗路径。

其中两个代表性案例是，一名 65 岁患者，此前未被发现的转移灶被检出，促使多学科专家会诊后调整了治疗方案；一名 75 岁患者，最初诊断不明确，多学科专家会诊后立即建议活检，结果证实为恶性肿瘤，随后接受了手术治疗。

这些结果表明，当 AI 作为与诊疗流程兼容的辅助诊断工具应用时，可能有助于减少漏诊或延迟诊断，并指导临床干预。

2025 年 6 月 24 日，阿里巴巴达摩院张灵及浙江省肿瘤医院程向东、徐志远、石磊、温州市平阳县人民医院苏缪广、宁波市奉化区人民医院裘邯军等人在Nature Medicine期刊发表了题为：AI-based large-scale screening of gastric cancer from noncontrast CT imaging 的研究论文。

该研究开发了基于 AI 的大规模胃癌筛查模型——GRAPE，其利用普通 CT（平扫 CT）和 AI 实现大规模、高效的胃癌筛查。GRAPE 显著优于专业放射科医生，敏感性提高了 21.8%，特异性提高了 14.0%，尤其是在早期胃癌方面。真实世界评估显示，在两家地区医院中，GRAPE 识别出高危人群的胃癌检出率分别为 24.5% 和 17.7%（远超传统筛查的 1.25%），且其中 23.2% 和 26.8% 的检出病例处于早期（ T1/T2 期）。此外，GRAPE 还检测出了放射科医生最初遗漏的胃癌病例，使得能够在对其他疾病的随访中实现对胃癌的早期诊断。

这些结果表明，GRAPE 模型在大规模胃癌筛查方面展现出强大的潜力，为早期检测提供了一种可行且有效的方法，获奖改变胃癌防控格局。

2025 年 8 月 20 日，阿里巴巴达摩院联合浙江大学医学院附属第一医院张鸿坤教授、浙江大学黄正行教授、衢州市人民医院陆炜医生、绍兴市中心医院王国富医生、上海长海医院邵成伟医生、边云医生、南京鼓楼医院李晓强教授、浙江大学附属第一医院肖文波等，在Nature Medicine期刊发表了题为：AI-based diagnosis of acute aortic syndrome from noncontrast CT 的研究论文。

该研究开发了一款基于 AI 的预警系统——iAorta，该系统利用普通 CT（平扫 CT）在中国对急性主动脉综合征（AAS）进行识别，其准确率极高，并为临床医生提供可解释的预警，有助于防止 AAS 的诊断延迟和漏诊，从而挽救患者生命。

总的来说，对于普通 CT 是唯一可行的初始检测方式的情况下（资源有限地区，或患者不能接受静脉造影剂），iAorta 可能有助于防止 AAS 的诊断延迟或漏诊。

论文链接：

https://www.nature.com/articles/s41591-026-04589-y

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

https://www.nature.com/articles/s41591-025-03916-z