一项发表在《Gut》期刊上的在线研究表明，人工智能模型（REDMOD）能够捕捉胰腺导管腺癌（最常见的胰腺癌类型）的早期细微组织变化，而这些变化常规影像学检查和人眼难以识别。
研究人员指出，该技术有望将晚期致命性诊断转变为可治疗的早期阶段（0期）。尽管REDMOD的准确度超过经验丰富的放射科医生，但在广泛应用于临床实践前，仍需在高风险患者（定义为出现不明原因体重减轻和新诊断糖尿病的患者）中进行测试。
研究者解释，胰腺导管腺癌生存率极低，通常因早期缺乏症状和可见组织变化而被晚期诊断，且病情进展迅速。为应对这些挑战，研究人员开发了名为"基于影像组学的早期检测模型"（Radiomics-based Early Detection MODel, REDMOD）的人工智能框架，专门用于识别标准计算机断层扫描（CT）无法观测的早期胰腺癌细微组织纹理特征（影像组学）。
该框架包含自动胰腺分割功能——可清晰界定胰腺与周围组织/器官的边界，避免了人工操作带来的准确性波动风险。为验证其可靠性和有效性，研究者将REDMOD应用于来自多家医院的219名患者的腹部CT扫描。这些患者经放射科医生审查被认为无疾病迹象，但后续被确诊为胰腺癌：其中87例（40%）在诊断前3-12个月出现异常；76例（35%）在12-24个月前；56例（25%）在24个月以上（最长约3年）。近三分之二（64%）患者的病灶位于胰腺头部。
研究人员将这些扫描结果与1243名在后续3年内未患病的患者进行比对，后者按年龄、性别和扫描日期进行匹配。后续确诊胰腺癌患者的平均年龄为69岁（范围34-88岁），对照组平均年龄为64岁（范围34-88岁）。
REDMOD在临床诊断前平均475天即检测出临床前期胰腺导管腺癌的"隐性特征"。研究者强调："这一时间窗口意义重大，实现如此早期的检测将大幅提高治愈概率和生存率。事实上，建模研究表明，若将局部化胰腺导管腺癌的比例从10%提升至50%，生存率将翻倍以上，这凸显诊断时机是决定生存结果的最关键因素。"
REDMOD的表现优于放射科医生：其灵敏度（识别真阳性而非假阳性的能力）接近后者的两倍，在准确捕捉"隐性"早期恶性细胞变化方面达到73%，而放射科医生仅为39%；对于诊断前两年以上的病例，其准确率更是放射科医生的近3倍（68%比23%）。在独立测试中，该模型正确识别出多家医院539名患者中81%以上的扫描结果无胰腺癌，且在美国国立卫生研究院公共数据集（NIH-PCT，80名患者）中准确率达87.5%。
检测到的临床前期变化是后续临床疾病的可靠指标，因为当同一名患者在数月前再次扫描时，REDMOD对90%-92%的扫描结果给出了相同结论。
研究者承认其发现存在局限性，包括未基于种族多元化的患者群体。尽管如此，他们总结道："本研究验证了REDMOD作为全自动人工智能框架的有效性，它能在正常胰腺中识别0期胰腺导管腺癌的影像特征，且具有显著的提前量和优于专家放射科医生的性能。"
他们补充："虽然前瞻性验证对确认临床效用至关重要，但REDMOD框架代表了向转变零星胰腺导管腺癌诊疗范式的重大进展——从晚期症状性诊断转向主动的临床前期干预，为改善这一棘手疾病的预后带来了切实希望。"
【全文结束】
