9月24日，阿里巴巴達摩院聯合四川省腫瘤醫院、中山大學腫瘤防治中心等機構，釋出食管癌篩查AI模型DAMO EAGLE，相關論文發表於《自然·醫學》（Nature Medicine）。該模型在初篩階段直接讀取平掃CT，不需要插管，也不用注射造影劑；AI提示陽性後，患者仍要接受內鏡和病理檢查才能確診。這是達摩院繼胰臟癌、胃癌、結直腸癌之後釋出的第4個癌症篩查模型。

中國的食管癌負擔在全球突出。國家癌症中心資料顯示，2024年中國食管癌新發約20萬例，死亡約17.2萬例，接近全球總數的一半。高發區集中在太行山一帶的河南、河北、山西，以及淮河流域、四川、廣東、福建，農村明顯高於城市。約70%的患者確診時已是中晚期。四川省腫瘤醫院放療科主任醫師王奇峰指出，病變還在黏膜層時，做一次內鏡下微創手術就能根治，5年生存率在95%以上；一旦發生轉移，5年生存率大概只有10%到15%。

早發現的辦法是有的，上消化道內鏡是公認的金標準，問題出在做不過來。據官方估算，中國需要篩查的食管癌高危人群超過1億，每年實際開展的上消化道內鏡檢查約3000萬人次。缺口來自幾處：一個內鏡醫生要培養3到5年，一次檢查20到30分鐘；普通內鏡兩三百元，無痛內鏡要1000元左右；再加上患者對插管的恐懼。高發區往往也是內鏡醫生最少的地方。

平掃CT是中國最常用的影像檢查之一，門診、急診、體檢、住院都在拍，每年產生上億份影像。胸部CT的掃描範圍本身就覆蓋了食管。但過去業內普遍認為，用平掃CT找早期食管癌幾乎不可能。食管是一根約25公分長的肌性管道，平時閉合，說話、咽口水時都在蠕動，又緊挨著心臟和大血管，呼吸和心跳都會改變它的形態。早期病變侷限在上皮層或黏膜層，在CT上帶來的厚度和密度變化非常小。達摩院演算法專家郭廣宇打了個比方，像在一條皺巴巴的褲管上找一個小毛球。

模型訓練在第一步標註上就很困難：醫生在平掃CT上看不清早期病變，訓練資料也就無從標起。團隊的辦法是借別的檢查來定位——先用內鏡手術和病理報告確定病灶的釐米級位置，由食管專科影像醫生在增強CT上精細標註，再通過影像配準，把標註“搬”到同一個患者的平掃CT上。每個病例由兩位醫生分別標註，意見不一致時，由一位有8年經驗的醫生複核。

第二個問題出在低劑量CT上。體檢查肺結節用的多是低劑量CT，但食管癌患者的低劑量CT很難攢夠。團隊於是搭了一台“虛擬CT機”，把常規劑量的CT放進去降低劑量，模擬出低劑量影像來訓練模型。模型分兩步工作：先從整幅CT裡把食管區域分割出來，排除周圍結構的干擾，再對食管做精細分析，同時給出患者級別的良惡性判斷、病灶輪廓和熱力圖，醫生能看到AI在看哪裡。

2024年初，模型第一次做大規模真實世界回顧性研究，敏感性在85%左右，特異性約98%。現在的版本已在3個國家、12箇中心、超過8萬例患者上完成驗證。論文顯示，在機會性篩查場景下，模型對食管癌的敏感性接近90%，對訊號更弱的癌前病變，敏感性為52.5%。經過真實世界迭代後，臨床場景中的特異性為99.2%。低劑量版本的敏感性為88.4%，和常規劑量版本基本相當。在10959例無症狀體檢者中，特異性為99.94%。郭廣宇對特異性有一個很直接的換算：“一個假陽性，就意味著可能一個患者要多花1000多塊錢去做一次檢查。”放進體檢流程的工具，面對的大多是健康人，誤報率決定了它能不能真正被用起來。

王奇峰對EAGLE的定位說得很清楚：“AI不是為了替代內鏡，而是篩選出高風險個體再進行內鏡檢查，這樣能夠讓內鏡檢查更精準，大幅提升檢出率。”研究團隊分別在高危人群篩查和醫院日常CT中驗證了EAGLE。

先看高危人群。受檢者拍攝平掃CT，EAGLE以高靈敏度模式執行，提示陽性的人優先接受內鏡檢查。2023年7月，團隊在四川遂寧做過一次“CT初篩+內鏡確診”的模擬研究。結果顯示，內鏡的惡性病變檢出率從1.7%提高到5.2%，每檢出1例惡性病變需要做的內鏡，從59次降到19次。不過，這不是完整的前瞻性臨床結果，混合佇列中的3例食管癌來自回顧性病例重取樣，內鏡能減少多少，還要在真實篩查專案中驗證。

另一組驗證利用醫院已經拍過的胸部CT。肺癌篩查本來就使用胸部低劑量CT，醫院裡也有大量患者因為肺炎、咳嗽和住院檢查拍攝胸部CT。EAGLE在這些影像上尋找食管異常，不增加一次掃描；AI提示陽性後，再由醫生判斷是否需要胃鏡。王奇峰遇到的那張兩年前的肺炎CT，就屬於這一類。高危篩查和醫院日常CT對模型的要求不同：前者首先要少漏診，後者面對的多數人沒有食管癌，誤報越少，醫生複核和患者複查的負擔越低。王奇峰說，模型的閾值可以按場景調整。對高發區來說，基層已經普及的CT可以承擔初篩，不必另建一套影像裝置。

達摩院從2021年開始研究“平掃CT+AI”多癌篩查，先後推出胰臟癌、胃癌、結直腸癌和食管癌模型，也覆蓋主動脈夾層等重大疾病。按達摩院披露，相關研究累計5次發表於《自然·醫學》。其中，胰臟癌模型PANDA在2025年4月獲得FDA“突破性醫療器械”認定，這條技術路線也被“四大慢病”國家科技重大專項採用。EAGLE專案2022年啟動。王奇峰願意參與進來，契機就是PANDA。他當時的想法很樸素：每天治的都是晚期病人，治療過程痛苦，生存期也不長，如果能從每天拍的CT裡訓練出一個發現早期病變的模型，能救更多人。

多癌早篩還在研究液體活檢，以Grail的Galleri為例，受檢者要單獨採血，再從cfDNA甲基化訊號中尋找癌症線索。EAGLE分析醫院已經產生的CT，可以省去一次額外的初篩檢查；確診仍要走後續專科流程。胸部CT和腹部CT覆蓋的器官不同，AI提示陽性後，患者仍要接受內鏡、病理或其他專科檢查。醫院可以複用已有影像，也要承擔更多複核、轉診和隨訪工作。按達摩院的設想，醫院已有的胸部或腹部平掃CT，未來可以繼續擴充套件到肺癌、肝癌、結直腸癌、胃癌、食管癌、胰臟癌和乳腺癌。掃描範圍不同，一張CT不能同時覆蓋7個癌種，複用同一套影像設施。

EAGLE離大規模使用還有一段路。模型對高級別上皮內瘤變的敏感性為52.5%，還有將近一半沒有被找出來。前瞻性醫院驗證裡，90名AI陽性者有42人沒有進入原有診療流程。多學科團隊建議其中16人接受胃鏡，最終只有3人完成檢查，並發現1例食管癌。AI報出陽性之後，醫院還要安排影像複核、專科轉診、胃鏡和持續隨訪。胃鏡完成率、早期病例新增檢出數、假陽性複查成本，以及能否減少食管切除、放化療和晚期治療，還要在更大規模的前瞻性研究中回答。EAGLE已經驗證了一條可行方向：利用醫院日常檢查產生的平掃CT，在原有診療目標之外，再從中篩出實體瘤高風險者。