AI模型在常规CT扫描上以高精度发现胃癌，表现优于放射科医生

中国领先的研究机构的合作开发了一种基于人工智能的方法，称为葡萄，证明了从常规非对比度CT扫描中检测胃癌的准确性。

胃癌是全球最致命的恶性肿瘤之一，尤其是在亚洲人群中。在中国，日本和韩国，每年将近四分之三的新诊断和死亡集群，反映了早期发现和治疗障碍有限。内窥镜检查仍然是诊断的基准，使临床医生能够可视化胃粘膜并收集活检以进行确认。

日本和韩国的国家筛查计划已提高存活率通过广泛的内窥镜检查。许多国家缺乏部署此类策略的资源，以及该程序的侵入性以及社会看法，进一步降低了合规率。血清学筛查提供了一种不那么侵入性的替代方法，但仅在整个人口胃镜上获得边际增长。

较低的依从性，有限的检测率和过高的成本使对负担得起的无创方法的紧急需求在癌症的前进阶段进展之前先确定高危个人。

在研究中，“基于AI的非对比度CT成像对胃癌的大规模筛查”，“”出版在自然医学，研究人员开发了葡萄（通过人工智能的胃癌风险评估程序）来识别胃癌（GC）通过对非对比度计算机断层扫描（CT）扫描的深度学习分析患者。

研究人员使用来自中国两个中心的数据培训了葡萄，其中包括3,470例GC病例和3,250例非癌症病例。在其发展之后，葡萄接受了1,298例内部队列的广泛验证，其灵敏度为85.1％，特异性为96.8％，曲线（AUC）下的面积为0.970。对16个中心的外部队列的验证，有18,160例病例证实稳定的性能，AUC为0.927，灵敏度和特异性得分分别为81.7％和90.5％。

进一步的评估是通过涉及13位放射科医生解释297次扫描的读者研究。葡萄始终优于人类读者，将灵敏度显着提高21.8％，特异性提高了14.0％，尤其是对于早期GC病例。

即使放射学家在洗涤期间重新评估了葡萄辅助的扫描，AI仍保持了卓越的准确性，并强调了其作为强大的诊断支持工具的潜在作用。

在现实世界中的验证涉及对2018年至2024年之间连续的78,593次非对比度CT扫描的分析，该扫描是从一家综合癌症中心（省癌医院）和两家地区医院（Fenghua People's Hospital和Pingyang People's Hospital收集的）。

葡萄有效地鉴定出高危个体，显示了风口的GC检测率为24.5％，pingyang的GC检测率为17.7％。这些检测的病例中约有40％缺乏以前的腹部症状。在千江癌中心队列中，葡萄以12.1％的速度检测到癌症，甚至在几个月前确定肿瘤临床诊断在其他癌症的患者中。

葡萄在单个深度学习框架内整合了肿瘤分割和患者级分类。最初，葡萄鉴定了完整的CT图像上的胃部面积，然后作物该区域以检测肿瘤并同时将患者分类为患有GC或没有GC。

视觉分析表明，肿瘤区域清晰地描述，与葡萄的预测良好，使放射科医生能够快速解释结果。

尽管葡萄达到了强大的总体检测率，但其对最早癌症的敏感性仍然有限。该系统在验证队列中确定了大约50％的早期GC（T1）GC，这反映了检测非对比度CT扫描的小或微妙病变的挑战。

相比之下，早期GC恰恰是内窥镜检查在检测方面表现出色的原因，因为它可以直接可视化轻微的粘膜变化，并允许组织采样以进行确认。

研究人员承认需要进一步的改进和测试，特别是一项大型前瞻性筛查试验，以评估葡萄的现实世界疗效并优化其对早期癌症的敏感性。

计划包括扩大培训数据以涵盖早期癌症并结合详细的病理见解。研究人员还建议进行程序改进，例如成像前的胃延伸，以增强早期检测。

葡萄在大规模的GC筛查中呈现出很大的进步，通过更易于访问，更具成本效益和无创方法提高早期诊断率的巨大潜力。

我们作者为您写的贾斯汀·杰克逊，，，，编辑萨迪·哈雷并对事实进行了检查和审查罗伯特·埃根（Robert Egan）本文是仔细人类工作的结果。我们依靠像您这样的读者来使独立科学新闻业保持活力。如果此报告对您很重要，请考虑捐款（尤其是每月）。你会得到一个无广告表示感谢。

©2025科学X网络