不插管、不造影，查肺的CT顺手筛出食管癌

火锅沸着，热茶续着……这是很家常的场景，但却隐藏着高危因素。

从河南林州、河北磁县，到四川盐亭，中国食管癌有一张被研究者反复走过的高发地图。热烫、高盐饮食，吸烟、重度饮酒，都是食管癌的风险因素。食管癌又偏偏是一个沉默的对手，许多人还能吃、还能喝，病变已经悄悄发生。等到米饭馒头越来越难咽，甚至喝水也费劲，疾病往往已经走到中晚期。

尽管内镜筛查能够提前发现这些问题，为癌症病变争取干预时间，但问题在于大规模普及——内镜检查需要设备、人员和受检者配合，在有限的医疗资源条件下，谁该尽快做内镜，有限的检查资源先给谁，仍是早筛落地时绕不开的难题。

近日，阿里巴巴达摩院联合四川省肿瘤医院、中山大学肿瘤防治中心等机构，发布食管癌筛查AI模型DAMO EAGLE。它可以从普通胸部平扫CT中识别食管癌，包括部分早期和癌前病变。初筛无需插管，不用注射造影剂，也不用让患者为了查食管再拍一张片子。这项研究纳入中国、捷克和澳大利亚12个中心的80612例患者，成果发表于《自然·医学》。

PART.01

等到咽不下饭往往已经太晚

食管癌的显露，最初可能只是吞咽时偶尔发噎，过一会儿又好了，人们容易归咎于吃得太急、咽炎或胃不舒服。等到食物像被堵在胸口，很多人才第一次认真看待这件事。

2022年，全球约有51.1万例食管癌新发病例，死亡约44.5万例。我国食管癌的新发病例数和死亡病例数均约占全球一半。中国人群数据显示，食管癌五年总生存率约为36.9%。若能在早期或癌前病变阶段发现，相当一部分患者可以接受内镜下微创治疗，获得根治机会。

那如何早发现？内镜仍是最重要的手段。它可以直接观察黏膜，发现可疑病变后还能取样做病理检查。但内镜具有一定侵入性，需要专业设备和人员，无痛内镜还需要麻醉，受检者也要过心理和身体这一关。

四川省肿瘤医院放疗科主任医师王奇峰介绍，中国一些地区食管癌较为高发，受限于医疗资源和依从性，内镜筛查普及尚有较大缺口。他表示：“AI不是为了替代内镜，而是筛选出高风险个体再进行内镜检查，这样能够让内镜检查更精准，大幅提升检出率。更重要的是，AI能将防治关口前移，额外提供一次早发现的机会。”

同样在医院，每天却有大量胸部CT检查发生。有人是为了查肺结节，有人是体检，也有人因胸痛、外伤来到急诊。医生回答完当时的临床问题，影像便进入存档。食管明明已经被扫进片子，却很少成为这次检查的主角。

这正是DAMO EAGLE突破的机会。AI先从已经存在的平扫CT中筛出高风险人群，再由医生决定是否进一步接受内镜和病理检查。人们无需专程为食管癌初筛多跑一趟，有限的内镜资源也可以更集中地用在真正需要的人身上。

但越是早期的病灶，就越是浅表，在平扫CT上信号越微弱。AI是怎么识别的？

PART.02

如何在查肺的CT上顺手看食管

食管是一条狭长、容易塌陷的空腔器官，早期病变常局限在黏膜附近，在平扫CT上只有极细微的变化。旁边的心脏和大血管还在不停搏动，留下各种干扰。要从一大片灰色影像中找到那一点不一样的灰，既然人类都很难看出来，又如何训练AI去看？

为此，阿里达摩院团队选择了一个费力却扎实的办法。达摩院算法专家郭广宇介绍，研究团队先用内镜和病理报告确认病变的位置，再参考增强CT，由食管专科和放射科医生完成定位，最后把这些信息一一对应回平扫CT。原本散落在不同检查里的线索，被整理成一套足够精确的答案，训练AI识别人眼难以分辨的早期食管癌病灶。

完成训练后，AI在应用时只需一份平扫CT。它先找到食管，再对局部区域进行分析，同时给出风险判断和可疑位置，方便医生复核。

在常规剂量平扫CT的多中心外部验证中，EAGLE识别出了90.0%的食管癌，特异性达到98.5%。面对信号更加微弱的高级别上皮内瘤变，模型也识别出了52.5%。在17名放射科医生参加的阅片研究中，AI辅助将医生对Ⅰ期食管癌的平均识别敏感性提高了22.7个百分点。

光在实验室里拿高分可不行，到了医院还要再过一关。模型进入三家大型医院后，面对更复杂的疾病构成和影像条件，特异性一度下降。达摩院算法专家姚佳文介绍说，研究团队随后收集运行中遇到的困难病例，重新校准模型。在14644例真实世界病例中，在敏感性基本不变的情况下，假阳性减少了72.7%。

从临床路径看，EAGLE可以放进两类现有筛查。第一类是与肺癌低剂量CT筛查结合，直接复用已经完成的胸部CT，扫描范围本就包括食管，而且抽烟不健康饮食等不良生活习惯是两个癌症的共同高危因素。在一项纳入10959名无症状受检者的研究中，升级后的模型提示8人存在高风险。其中一人的初始影像报告没有提示食管癌，8天后经进一步检查确诊。这个人本来只是完成了一次常规低剂量CT，却因此多得到了一次提醒。

第二类是与消化内镜筛查结合，在内镜前先对高危人群进行风险分层，把检查资源集中到AI提示风险较高的人群，此时AI可采用偏向高敏感度的阈值，对食管癌及高级别上皮内瘤变的总体敏感度为90.2%。一项533人的探索性模拟显示，经AI分流后约131人进入内镜，恶性病变检出率由1.7%升至5.2%，每发现1例恶性病变所需的内镜检查数由59.2例降至约19.2例。

上述两种场景，前一种扩大筛查覆盖，后一种提高内镜效率，两者都以医生复核和后续确诊为前提。需要注意的是，AI目前承担的是初筛和提醒，它仍可能会漏报和误报，对癌前病变的识别也还有提升空间。可疑结果需要医生结合内镜和病理进一步确认，高风险人群也不能因为一次AI结果阴性，就放弃原本应做的内镜筛查。研究还需要更广泛的人群和更长时间的随访，才能回答它能否真正减少晚期食管癌和相关死亡。

PART.03

把一张CT推向七癌筛查

从胰腺癌DAMO PANDA、胃癌DAMO GRAPE、结直肠癌DAMO COCA，到如今的食管癌DAMO EAGLE，这是阿里达摩院已经发布的四个癌症筛查AI模型。

围绕平扫CT+AI这条原创技术路线，阿里达摩院的相关成果已累计五次登上《自然·医学》，也让很多医生和患者重新认识过去并不被当作消化系统肿瘤早筛工具的普通平扫CT。

所谓一扫多查，就是让多个模型共同分析一次CT扫描获得的影像。在扫描范围覆盖相应器官的前提下，一张查肺的胸部CT可以顺手看食管，一张因腹痛、外伤或体检拍下的腹部CT，也有机会提示胰腺、胃和肠道的癌症风险。患者完成的还是原本需要做的检查，AI在后台多看几处，多给医生几条值得复核的线索。

按照阿里达摩院的规划，这条路线未来有望通过一次CT筛查国内死亡人数最多的前七大癌症：肺癌、肝癌、胃癌、结直肠癌、食管癌、胰腺癌和乳腺癌。

人类与癌症的较量，过去常常从症状出现后才开始。平扫CT+AI正在尝试把交手的时间提前。

参考文献（上下滑动查看）

1. Zhou J, et al. Large-scale esophageal cancer screening through noncontrast computed tomography and artificial intelligence. Nature Medicine. 2026. doi:10.1038/s41591-026-04656-4.

2. Bray F, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024;74:229-263.

3. He S, et al. Cancer profiles in China and comparisons with the USA: a comprehensive analysis in the incidence, mortality, survival, staging, and attribution to risk factors. Sci China Life Sci. 2024;67:122-131.

4. Wei WQ, et al. Long-term follow-up of a community assignment, one-time endoscopic screening study of esophageal cancer in China. J Clin Oncol. 2015;33:1951-1957.

5. Liu M, et al. Effectiveness of endoscopic screening on esophageal cancer incidence and mortality: a 9-year report of the ESECC randomized trial. J Clin Oncol. 2024;42:1655-1664.

6. Cao K, et al. Large-scale pancreatic cancer detection via non-contrast CT and deep learning. Nat Med. 2023;29:3033-3043.

7. Hu C, et al. AI-based large-scale screening of gastric cancer from noncontrast CT imaging. Nat Med. 2025;31:3011-3019.

8. Chen X, et al. Colorectal cancer detection using non-contrast CT and deep learning: a multicenter and international cohort study. Ann Oncol. 2026;37:1144-1156.

免责声明：

1、该模型为研究阶段成果，尚未在中国大陆获批上市

2、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！