Canon Medical Systems 旗下 Olea Medical 将在美国推广 FDA-cleared 肺癌筛查 AI
Canon Medical Systems 旗下 Olea Medical 与 Median Technologies 旗下 Eyonis 达成战略商业协议,将扩大 eyonis LCS 在美国放射科机构和医疗系统中的可及性。该产品是一款面向低剂量 CT 肺癌筛查路径的 AI 软件医疗器械,已获得 FDA clearance,能够同时辅助检测肺结节并评估恶性可能性。原文披露,临床研究中放射科医生在 AI 辅助下敏感性和特异性均明显提升,误阴性和误阳性解读减少。该新闻值得关注,是因为肺癌筛查 AI 正从单点检测工具走向更完整的诊断评估流程,而 Canon 医疗影像渠道的加入可能加快其在美国影像中心和医院工作流中的落地。
Median Technologies 旗下专注癌症早筛与诊断的 Eyonis 宣布,已与 Canon Medical Systems 旗下 Olea Medical 达成一项新的商业合作协议,将扩大 eyonis LCS 在美国放射科机构和医疗系统中的可及性。双方表示,这项合作未来还将覆盖欧洲以及其他双方后续共同确定的市场。
这项合作的核心意义在于,Canon Medical Systems 在美国医院和影像中心拥有成熟的 CT 渠道网络,而这将帮助 eyonis LCS 更快进入正在建设或扩容肺癌筛查项目的放射科工作流。
合作重点是推动 eyonis LCS 的商业化落地
根据公告,Olea Medical 将依托其与放射科服务提供方和医疗系统之间的既有关系,支持 eyonis LCS 的商业化推广。
这款产品的定位并不只是一个肺结节检测工具。官方强调,eyonis LCS 是首个获得 FDA 批准、能够在低剂量 CT 肺癌筛查路径中同时完成肺结节检测和恶性可能性评估的 AI 软件医疗器械 (SaMD)。
它试图把“发现结节”和“判断风险”放进同一流程
在肺癌筛查场景中,放射科医生不仅要找到可疑肺结节,还要进一步判断哪些发现更可能是恶性病灶,并需要尽快干预。
现实问题在于,大多数筛查并不会发现肺癌,但大量“意义未定”的影像结果会带来重复检查、长期随访、患者焦虑,以及是否需要进行侵入性操作的艰难决策。
eyonis LCS 的目标就是同时覆盖这两个环节:一方面帮助发现可疑肺结节,另一方面根据低剂量 CT 结果评估其恶性可能性。公告将其描述为首次把检测与诊断评估整合进同一个肺癌筛查工作流的产品。
FDA 申报研究中,AI 辅助后敏感性和特异性均提升
在提交 FDA 审批时使用的一项多阅片医师、多病例临床研究中,使用 eyonis LCS 的放射科医生取得了更高的诊断表现。
披露数据显示:
- 敏感性达到
93.3%,而未使用该技术时为80.3% - 特异性达到
92.4%,而未使用时为76.4%
对应到错误解读层面,研究还显示:
- 误阴性解读减少
66% - 误阳性解读减少
68%
整体来看,75% 的放射科医生在 AI 辅助下,相比单纯人工阅片,诊断表现有所提升。公告称,该研究满足了全部主要临床和监管终点。
产品卖点在于帮助放射科医生更早做出更有把握的判断
Eyonis 总裁 Oran Muduroglu 表示,肺癌筛查真正能够挽救生命,前提是放射科医生和照护团队既有处理能力,也有足够把握去应对筛查发现。
公司认为,把检测和诊断评估整合进单一 AI 软件,可以帮助医生更早识别需要及时干预的患者,同时减少由不确定性结果带来的额外负担。
这类工具的目标,是减少“观察等待”带来的机会成本
公告提到,在当前常见诊疗路径下,医生经常要在“立即进行有创活检”和“等待数月复查”之间权衡。现实中,所谓“观察等待”往往持续 3 到 6 个月,这意味着部分患者的癌症可能在等待期间进展到更难治疗的阶段。
官方援引数据称,若在早期确诊肺癌,患者的 20 年生存率可达到 80%;而在所有肺癌患者中,平均五年生存率仅为 18.6%,其中一个重要原因是只有 16% 的肺癌在早期被发现。
因此,尽早区分潜在恶性病灶与良性结节,被视为提升筛查有效性的关键。
产品也强调与现有影像基础设施兼容
公告还提到,eyonis LCS 并非孤立运行,而是面向低剂量 CT 肺癌筛查路径专门设计,且可与现有医院影像基础设施集成,包括 PACS 环境。
这意味着其价值不只在算法性能,也在于是否能顺畅接入现有阅片与报告流程,让放射科团队在不明显改变工作方式的前提下使用 AI 输出结果。
这条新闻的重要性,在于肺癌筛查 AI 正从“单点检测”走向“流程级判断”
从行业角度看,这次合作值得关注,不只是因为产品获得了 Canon 医疗渠道支持,更因为它反映出医学影像 AI 正在从“找出异常”进一步走向“帮助完成诊断评估”。
下一阶段真正决定此类产品能否广泛落地的,不只是模型指标是否好看,还包括它能否稳定融入放射科工作流、减少不必要的随访和侵入性操作,并在真实世界中持续提高早筛效率和医生决策信心。

