《Nature Medicine》发表达摩院DAMO EAGLE：不插管不造影，平扫CT筛出早期食管癌
9月22日《Nature Medicine》在线发表阿里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的食管癌筛查AI模型DAMO EAGLE：无需插管与造影，仅凭胸部平扫CT识别早期食管癌及癌前病变。外部验证覆盖中、捷、澳3国8中心11466例，AUC 0.976；可嵌入现有肺癌筛查流程，迭代版EAGLE-Plus假阳性降72.7%。
继胰腺、胃、肠之后，达摩院把平扫CT筛查的版图补到了食管
数据视角 × 医院信息化·临床医生 ｜ 事实报道 × AI技术供应商·创业者 ｜ 深度研报
9月22日，《Nature Medicine》在线发表阿里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的食管癌筛查AI模型DAMO EAGLE：不插管、不打造影剂，仅凭一次胸部平扫CT，识别早期食管癌及癌前病变。模型在中国、捷克、澳大利亚3国8中心的11466例外部队列上取得AUC 0.976，可嵌入现有肺癌筛查流程；迭代版EAGLE-Plus把假阳性砍掉七成。这是达摩院第4款平扫CT癌症筛查模型，此前胰腺、胃、肠已各有落子。
开场：一种一发现就是晚期的癌，遇上一次本来就要做的CT
食管癌是一种典型的“沉默”肿瘤。早期它几乎不声不响，等到吞咽困难等症状出现，多数患者已进入中晚期。疾病负担摆在那里：中国每年新发食管癌约20万例、死亡约17万例；而如果能在早期确诊，5年生存率可达95%以上。早与晚之间，隔着的正是筛查这道门。
问题在于，这道门的门票太贵。确诊食管癌的金标准是内镜检查——把管子经口插入食管直接观察。它准确，但有创、需预约、消耗内镜医生资源，难以用于大规模普通人群普查。
DAMO EAGLE给出的解法是换个入口：不插管、不注射造影剂，只用一次普通的胸部平扫CT。而肺癌筛查本身已有成熟的低剂量CT人群项目，让AI在这些人本来就要做的CT里，顺带读出食管的早期病变——这就是所谓“机会性筛查”：不新增检查、不新增辐射，只在既有影像里多挖一层信息。
筛查的杠杆点从来不在“多做一个检查”，而在“把已有检查的信息榨得更干净”。
先定位后诊断：两阶段架构的工程选择
平扫CT上，食管只是纵隔里一根不起眼的软组织管道。没有造影剂帮忙，早期病灶与正常管壁的对比度很低。直接在整张CT里找小病灶，等于让模型在大量无关区域里大海捞针，还容易把正常结构误判为异常。
达摩院团队因此选择两阶段架构：第一阶段先“定位”，模型找到食管所在区域，把搜索范围从整张影像收缩到一根管道；第二阶段再“诊断”，在缩小范围内输出三样东西——良恶性分类（病灶像不像癌）、病灶掩膜（病灶在影像上覆盖哪些体素）与热力图（模型的判断依据集中在哪些位置）。
后两项是给医生看的解释性输出：掩膜相当于在CT上把可疑区域描出轮廓，热力图则标出模型“盯着看”的位置，方便医生复核，而不是丢出一个无法追问的黑箱结论。技术团队方面，达摩院算法专家姚佳文、郭广宇负责核心算法，其跨模态标注体系与虚拟CT机支撑了训练数据的构建与扩增。
11466例与0.976：外部验证的含金量
医学AI最常被质疑的一点，是“在自己医院的数据上自嗨”。DAMO EAGLE的验证设计避开了这个坑：外部验证覆盖中国、捷克、澳大利亚3国8个中心共11466例，整个研究累计在3国8万多病例中完成验证。跨人群、跨设备、跨扫描流程，是对模型泛化能力最直接的压测。
结果怎么看？AUC是衡量诊断模型综合能力的核心指标，取值0到1，可以粗略理解为：随机抽一位患者和一位健康人，模型有AUC数值的概率能把两人正确区分开。0.976意味着100次这样的“随机对决”，模型约98次不会看错。
再拆成漏诊与误报两个维度：灵敏度89.5%，即100位真患者中约90位会被检出；特异度98.5%，即100位健康人中约98位会被正确放行。更贴近实战的是机会性筛查场景的数据：敏感性90%，癌前病变检出52.5%，真实临床环境特异性99.2%。还有一项对落地很关键——在1607例低剂量CT队列中，模型性能没有下降，意味着它可以搭进现有肺癌筛查的影像流程，被筛查者不必加做任何额外检查。
对筛查模型而言，跨出国门的验证数据，比单一中心的漂亮数字值钱得多。
从EAGLE到EAGLE-Plus：假阳性砍掉七成意味着什么
模型进入真实世界后，暴露的问题与实验室不同：真实CT里的正常变异、图像噪声会带来大量假阳性。假阳性不是小事——每一次误报，都可能换来一次不必要的内镜检查和一次患者的心理煎熬。
这里需要解释阳性预测值（PPV）：模型报阳性的人里，真正有病的比例。PPV为25.3%时，意味着模型每报4个阳性，只有1个最终被证实，其余3个是虚惊。
团队用真实世界数据迭代出EAGLE-Plus：假阳性降低72.7%，PPV由25.3%升至55.0%以上——同样报4个阳性，现在有两个以上是真的。更硬的证据来自前瞻验证：近4个月17446例真实筛查中，PPV达到42.2%。这个数字虽低于回顾性数据，但它诞生在真实流程里，含金量反而更高。
冷静观察：机会性筛查的价值，取决于内镜资源的承接能力
DAMO EAGLE是达摩院第4款癌症筛查模型：此前PANDA（胰腺癌）、GRAPE（胃癌）、COCA（肠癌）已相继问世，相关研究累计5篇《自然·医学》论文。平扫CT筛查版图补到食管之后，方法论上的边际创新正在收窄，真正的考验转向下游。
四川省肿瘤医院放疗科主任医师王奇峰说得很直白：“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。”机会性筛查的价值逻辑是：用近乎零边际成本的AI读片，把有限的内镜资源集中投给高风险人群。但硬币的另一面同样成立——AI每多筛出一个真阳性，就多占用一次内镜资源；若阳性人群规模超过内镜承接能力，筛查反而制造拥堵。假阳性每降一分，下游压力就小一分，这正是EAGLE-Plus把PPV当作核心迭代目标的原因。
平扫CT筛查AI的天花板，一半在算法里，一半在导管室门口的队伍里。
原文链接：澎湃新闻
千方医数集编辑部 出品
