2026-10-01
达摩院与多家肿瘤医院合作训练 EAGLE 模型,从常规胸部平扫 CT 检出食管癌与癌前病变,3 国 80612 人验证外部特异性 98.5%,前瞻部署 PPV 42.2%。
食管癌 2022 年全球新发约 51.1 万例、死亡 44.5 万例,五年生存率中国 36.9%、美国 18.5%,差距主要出在发现期别,相当多患者确诊时已是晚期。确认早期病变靠内镜,有创、体验差、依从性低,在高发区之外铺不开;液体活检和海绵细胞学对早期病变灵敏度一般,还要多次到院。便宜的替代品其实一直躺在手边:胸部平扫 CT 占全部 CT 检查的 40%,天然覆盖整段食管。问题是在平扫影像上读不出早期食管病灶。食管是细长的空腔器官,常处于塌陷状态,又贴着搏动的心脏和大血管,早期病变薄到只占黏膜层,连资深放射科医生都看不见。论文引用的既往研究统计,死于食管癌的患者大多数此前五年的胸部平扫 CT 报告里没有任何可疑食管记录。这篇 Nature Medicine 接下的就是这个公认读不出的任务。
EAGLE(Esophageal AI-Guided malignant Lesion Evaluation)是搭在 nnU-Net V2 上的两阶段 3D 模型。第一阶段做食管定位,低分辨率 3D UNet 配 ResEnc 骨干,先在整张 CT 里分割出食管,过滤无关解剖结构;第二阶段在裁剪出的区域内联合做分割和分类,解码器多层特征经三线性插值对齐、沿深度拼接,分类头是一层 3×3×3 卷积加全局平均池化加全连接,输出患者级恶性概率,分割头同时输出病灶掩膜,总损失是分割损失加 α 倍分类交叉熵。分类热图(CAM)标出支撑判断的区域,分割掩膜给出可疑病灶位置,两层可解释性输出。
模型结构不算新,这篇的真正贡献是标注协议。早期病灶在平扫 CT 上近乎不可见,直接在平扫图上画掩膜无从下手。团队把临床流程里的定位信息借了过来:手术和内镜的病理报告先给出厘米级病灶位置,两名三年以上经验的食管影像医生在配对的增强 CT 上独立勾画,两人 Dice 超过 0.6 就取交集做金标准,分歧大的交八年以上资历医生裁定,仍定不了的整例剔除,最后用形变配准把增强 CT 上的标注迁移到平扫 CT,得到体素级监督。训练集 6813 例来自中山大学肿瘤防治中心和四川省肿瘤医院,含 264 例高级别上皮内瘤变(HGIN)和 548 例 I 期癌。
两个工程细节决定它能不能落地。一是阈值按场景分设:机会性筛查在交叉验证里定到 99% 特异性(阈值 0.93),人群筛查定到 98% 灵敏度,同一个模型两个工作点。二是先用低剂量模拟工具把训练集合成成低剂量 CT 再训练一版,适应肺癌筛查场景的更高噪声;部署后再把真实世界难例(假阳性,对上假阴性加临界阳性,约 1:1)回炉微调 200 轮,得到 EAGLE-Plus。
验证铺开 3 国 12 家中心共 80612 人,四条主线:
| 场景 | 人群 | 关键结果 |
| 外部多中心测试 | 8 中心 11466 人 | AUC 0.976,灵敏度 89.5%,特异性 98.5% |
| 读片研究 | 17 名医生,300 例 | EAGLE 单模型胜过全部 17 人;医生加 AI 后灵敏度 71.9%→85.7%,特异性 79.6%→91.7% |
| 真实世界校准 | 3 中心 35402 人 | EAGLE-Plus 假阳性减 72.7%,PPV 25.3%→55.0%,灵敏度不掉(88.3% 对 89.8%) |
| 前瞻与体检部署 | 17446 人和 10959 人 | 医院 PPV 42.2%;LDCT 体检特异性 99.94% |
早期病变的分层数字更有信息量:外部集 HGIN 灵敏度 52.5%、I 期癌 60.1%,确诊癌整体 90.0%,灵敏度随分期推进继续上升;若把特异性放宽到与液体活检可比的 91%,I 期灵敏度升到 73.4%。读片研究里 17 名医生(3 名食管专科、6 名普通放射科、8 名住院医)平均对 HGIN 灵敏度只有 36.3%、I 期 59.8%,EAGLE 单模型是 65.7% 和 87.1%;带 AI 阅片后医生 I 期灵敏度升到 82.5%,仍低于模型单独工作,人机协作没吃满模型上限,倒是住院医带 AI 后水平接近了专科医生。
人群筛查这条线,702 例配对 CT-内镜队列(工作点 98% 灵敏度)HGIN 灵敏度 65.0%、I 期 78.4%;28 例患者确诊前的历史 CT 有 18 例(64.3%)被提前判阳,4 例领先确诊 9 个月以上。遂宁前瞻入组 530 人,与 3 例从历史队列重采样的癌例拼成 533 人混合队列后模拟分层:只让 EAGLE 阳性者做内镜,检出率从 1.7% 升到 5.2%,查出一例所需筛查人数从 59.2 降到 19.2,67.6% 的内镜检查省掉,阴性预测值 99.46%。LDCT 测试集 1607 人上,带低剂量模拟训练的版本灵敏度 88.4%,原版 83.0%(P=0.024)。骨干对比中 ResEnc 胜过 Swin-UNETR、Mask2Former 和两个 Mamba 变体,nnDetection 框架只有 AUC 0.954;病灶分割 Dice 0.744。
部署中的具体病例最有说服力:真实世界回看抓到 3 例初始临床路径漏诊的食管恶性,最早提前 21 个月;医院前瞻队列 AI 触发 16 例转诊,3 例完成内镜,确认 1 例放射科漏诊的 T3N0M0 食管癌;LDCT 体检队列 8 个 AI 阳性里,1 例初报无恙的参与者 8 天后确诊食管癌,另查出 1 例需立即处理的气管食管瘘。
这是「平扫 CT 多癌种早筛」路线的最新一块拼图,同一路线此前已有胰腺癌(Nature Medicine 2023)、胃癌(Nature Medicine 2025)、结直肠癌(Annals of Oncology 2026)的模型,食管一直被当作平扫 CT 的盲区。可迁移的启示在标注:当目标在影像上人眼不可见时,监督信号可以从临床流程的其他环节合成,病理定位、增强勾画、配准迁移,三步造出平扫 CT 的体素级金标准,这套协议对同类「影像看不见、病历里有位置」的早筛任务可以整体搬走。落地层面模型是纯软件,挂在存量体检 CT 上不新增辐射和流程;肺癌 LDCT 项目顺带变成双癌筛查。阿里达摩院团队参与模型开发并负责临床部署系统,8 名作者为阿里员工,代码因专利(CN117853490B、US 18046385)不开源,数据按伦理审查要求不公开,提供样本数据和在线门户(eagle.damomed.com)。
作者自列四条:人群多样性不足,中国以外只有捷克、澳大利亚各一家中心,远端食管癌和腺癌高发人群未覆盖,补入食管胃交界部和腺癌病例重训后腺癌灵敏度从 86.6% 升到 91.2%,反证原模型偏弱;女性灵敏度低于男性,大概率是训练数据性别失衡;内镜前分层的证据建立在回顾性配对队列加单中心模拟上,阳性例数少;两项前瞻验证随访不足两年,MDT 建议的内镜检查依从性差,真实灵敏度可能被低估。读片研究没做完整交叉设计,回忆偏倚排除不掉。
读下来另有存疑:遂宁混合队列 533 人里只有 9 例恶性,3 倍效率结论的置信区间不会窄;医院前瞻 90 个 AI 阳性里 52 个最终不是食管恶性、5 人失访,PPV 42.2% 依赖后续确认质量;人群筛查工作点特异性 84.7%,放到发病率更低的人群假阳性负荷要重算。EAGLE 漏掉的 I 期病变超过九成是 Paris 0-II 型浅表平坦病灶,这类在内镜下也最难发现,算是诚实的难例披露。