到 2030 年，胰腺癌 很可能成为美国癌症相关死亡的第二大原因，部分原因是 85%的病例在疾病扩散后才被诊断出来。

我们只是没能及早发现而已。

多亏梅奥诊所和德克萨斯大学MD安德森癌症中心的研究人员新开发的人工智能模型，这种情况可能即将改变。

他们的新系统名为 REDMOD（基于放射组学的早期检测模型），已在后来被诊断出患有胰腺癌的患者的CT 扫描图像上进行了测试。

在近四分之三的病例中，REDMOD 成功检测出最常见的胰腺癌类型，检测时间比确诊早约 16 个月。这几乎是专家在没有人工智能辅助的情况下解读扫描结果的检出率的两倍。

人工智能能够从CT扫描中发现癌症的早期迹象。

在一些扫描中，REDMOD 在确诊两年多前就发现了可疑的组织模式，该团队认为它可以提前三年发现癌症。

梅奥诊所的放射科医生兼核医学专家阿吉特·戈恩卡表示： “胰腺癌患者生命面临的最大障碍是我们无法在疾病尚可治愈时发现它。”

“这款人工智能现在可以从外观正常的胰腺中识别出癌症的特征，而且能够长期、在各种临床环境中可靠地做到这一点。”

研究人员使用 969 张胰腺 CT 扫描图像作为 REDMOD 的训练数据，以便它能够学习发现癌症早期阶段的细微迹象。

该模型并非寻找明显的肿瘤，而是寻找放射组学模式，即组织纹理和结构的破坏，这些破坏通常太小，人眼无法发现。

许多癌症的发生是由于正常细胞获得影响其生长和分裂方式的 DNA 突变，但这些变化可能需要数年时间才能发展成足够大的肿瘤，从而引起症状或在扫描中清晰可见。

训练过程结束后，REDMOD 在另一组 CT 扫描中接受了测试：63 例来自后来患上癌症但在确诊前接受过扫描的人，以及 430 例未患癌症的健康对照者。

在 63 个可疑项目中，REDMOD 正确标记了 46 个，准确率为 73%（几乎是四分之三）。

所有这些扫描结果此前都已由人类放射科医生判定为正常，而与 REDMOD 同时审查这些扫描结果的两名放射科医生仅在 38.9% 的病例中发现了癌症早期迹象。

在 430 名健康对照者中，有 81 人被 REDMOD 错误地识别为可疑人员——因此，如果人工智能在真实场景中部署，这些人可能会被召集进行额外的测试，然后才能被确认无恙。

在另外两组数据集测试中，使用不同医院的不同设备，也显示出了类似的性能水平。

更妙的是，对于有多次扫描结果的患者，即使扫描间隔数月，人工智能也能产生基本一致的结果。

“这些特性使其能够在高危人群中进行前瞻性验证，这是将范式从晚期症状诊断转变为积极的临床前拦截的必要一步，”研究作者在发表的论文中写道。

人们认为，REDMOD越早获取CT扫描数据（例如因其他目的或疾病而进行的常规扫描），其作用就越大。它有可能在胰腺癌早期就发现它，从而有机会进行治愈性治疗。

不过，在此之前还有很多工作要做。接下来，研究人员希望在更大规模、更多样化的人群中测试人工智能，并观察医生如何轻松地将其融入到现有的诊疗流程中。

研究人员对这些初步结果感到鼓舞，并希望通过进一步的开发和微调，我们能够拥有一个对治疗最致命的癌症之一非常有用的系统。

研究人员写道： “该框架已证明能够持续地在大型临床数据集上检测这些隐匿信号，再加上其高度的纵向稳定性和经过验证的特异性，为人工智能增强的早期检测奠定了坚实的基础。”

该研究已发表在《肠道》（Gut）杂志上。