AI通过CT扫描检测胰腺癌

据梅奥诊所放射科主任兼AI战略医学总监Matthew Callstrom博士介绍，梅奥诊所的REDMOD模型通过获取后来被诊断为胰腺癌患者的CT扫描图像，再回溯该患者在确诊前的早期扫描图像，训练系统识别最终疾病发生前的细微组织模式。

在技术层面，REDMOD（其全称为Radiomics-based Early Detection Model ^[6]）是一种异构集成模型，通过软投票机制结合了逻辑回归、随机森林和极端梯度提升（XGBoost）。该模型从大约968至1,000个提取的放射组学特征中筛选出40个关键特征，其中约90%的重要特征来自扫描图像的小波滤波版本，而非原始图像 ^[6][7]。

在验证研究中，REDMOD在后来发展为胰腺癌的患者中识别出73%的癌症迹象，而放射科医生在审阅相同扫描图像时仅发现39% ^[2]。该模型平均在临床诊断前475天（约16个月）标记出临床前疾病；对于诊断前两年以上的扫描图像，其准确率保持在68%，而放射科医生仅为23% ^[3]。

在特异性方面，REDMOD在主要分析中达到88%，同一患者重复扫描时的可重复性为90%–92% ^[3][4]。在另一个独立验证队列中，特异性为81.1%（95% CI 75.2%–93.1%），在外部NIH-PCT数据集上特异性达到87.5% ^[6][7]——这些是同一研究的不同切片，而非相互矛盾的数据。

胰腺癌的五年生存率仅为13%，是所有主要癌症中最低之一，主要原因在于通常只有在癌症扩散后才被发现 ^[2]。约翰霍普金斯医学院放射学教授Elliot K. Fishman博士直接点明了问题的关键：“如果我们能将诊断时间提前一年，我们就能让患者从讨论如何控制疾病转变为讨论如何治愈疾病。”Fishman指出，目前约85%的胰腺癌患者被诊断时已错过挽救生命的治疗时机，高达40%的肿瘤直径2厘米或更小的CT扫描被人类阅片者漏检。预计今年将有约67,530例新发胰腺癌病例 ^[4]，这正是早期检测（即使提前数月）未来可能覆盖的人群规模。

REDMOD并非首个针对胰腺癌的AI系统。阿里巴巴达摩院于2024年11月发布了PANDA，该工具可从标准非增强CT扫描中检测胰腺导管腺癌，自发布以来已筛查超过180,000次真实世界扫描 ^[5]。这使得PANDA在真实世界部署上领先一步，而REDMOD仍处于推进前瞻性AI-PACED试验阶段，距离常规临床应用尚远 ^[1]。这两个系统反映了不同的战略取向：PANDA优化用于大规模广泛筛查，已实现规模化运行；REDMOD则专注于在放射科医生已排除异常的扫描中提升回顾性敏感性，其更严格的前瞻性验证仍在进行中。

并非所有人都将REDMOD视为既定胜利。伦敦玛丽女王大学分子病理学与生物标志物教授Tatjana Crnogorac-Jurcevic（未参与本研究）称赞了研究设计，但警告称，鉴于胰腺癌发病率较低，全人群筛查仍不切实际 ^[6]。她更倾向于定向使用：“存在明确的高风险人群，对此类人群进行监测是可行的，”并认为该工具应作为更广泛诊断工具包的一部分——“拥有一个可与我们体液生物标志物结合使用的AI影像工具将非常理想” ^[8]。

梅奥诊所自身在X平台上向大众宣传REDMOD时称其能识别“在肿瘤可见之前、治愈性治疗仍可能有效的疾病迹象”——这一公开表述比原始论文中谨慎的学术语气更为自信。一些X平台上的评论（虽无具体署名来源）质疑AI更早检测是否真正转化为生存获益，还是仅仅提前了诊断时间而未改变结局。

Reddit上的讨论则提出了更实际的担忧：一个主要在梅奥诊所患者群体中训练和验证的模型，是否会在其他医疗系统中因对该队列过拟合而无法泛化？此外，在大型学术医疗中心之外，AI对扫描图像的标记是否能可靠转化为患者可负担且可及的后续护理和活检？