Mayo Clinic 胰臟癌 AI 發現放射科醫生遺漏的風險訊號
Mayo Clinic 的胰臟癌 AI 在病人獲得臨床診斷前最多三年，已於例行 CT 掃描中偵測到隱藏的警示訊號。該模型在獨立測試組中找出 73% 診斷前癌症個案；審閱相同掃描的專科放射科醫生則找出 38.9%。
這個差距才是真正的焦點。掃描結果並無明顯異常，而病人接受影像檢查的原因亦與胰臟癌無關；然而，模型卻找出與其後數月或數年才臨床可見的癌症相關的模式。
這套名為 Radiomics-based Early Detection Model（REDMOD，放射組學早期偵測模型）的系統，並不會自行診斷癌症。它透過人類閱片者看似正常的胰臟組織中各項量化模式，評估風險。
Mayo Clinic、MD Anderson Cancer Center 及 University of Washington 的研究人員在《Gut》發表結果。這項回顧性研究為醫療 AI 設下嚴格目標：在可見腫瘤尚未提供明確診斷線索前，偵測一種罕見癌症。
不過，該模型尚未證明其警示可在臨床實務中改善存活率。下一項考驗是，醫院能否在不造成過多假陽性、侵入性程序及病人焦慮的情況下運用這些警示。
Mayo Clinic 胰臟癌 AI 提早多年發現訊號
REDMOD 改變的是研究人員可從外觀看似正常的 CT 掃描提取的資訊，而不是放射科醫生肉眼可見的東西。
研究人員蒐集了 219 名其後罹患胰管腺癌人士的診斷前 CT 掃描。這種疾病常簡稱為 PDAC，是最常見的胰臟癌類型。
這些掃描在診斷前 3 至 36 個月進行。原先的判讀並未發現可疑的胰臟腫塊或其他局部異常。
研究亦納入了 1,243 份沒有胰臟癌人士的對照掃描。對照組參與者至少追蹤三年，降低未診斷癌症被誤標為正常的可能性。
研究人員將資料分為獨立的開發組和測試組。REDMOD 以 969 份掃描訓練，當中包括 156 宗診斷前個案及 813 宗對照個案。
獨立測試組包含 493 份掃描，包括 63 宗診斷前癌症個案及 430 宗對照個案，全部均未用於訓練系統。
在該測試中，REDMOD 的受試者操作特徵曲線下面積達 0.82。這項稱為 AUC 的指標，反映模型在不同閾值下區分陽性個案與對照個案的能力。
模型在所選閾值下達到 73% 敏感度及 81.1% 特異度。敏感度衡量偵測到的癌症個案比例，而特異度則衡量被正確判為陰性的對照個案比例。
臨床診斷前的中位提前時間為 475 日，即約 16 個月。部分評估的掃描最早來自診斷前三年。
這些結果支持 Mayo Clinic 胰臟癌 AI 可提早最多三年標示風險的標題說法，但不代表每宗癌症均可提早三年偵測。
這個分別很重要。三年這個數字描述的是研究時段的最外圍界限，而 475 日則描述測試中的典型提前時間。
根據經同儕評審的 REDMOD 研究，效能會隨診斷前的間隔而改變。在診斷前超過兩年拍攝的掃描中，模型相對放射科醫生的優勢更大。
REDMOD 在該子組中偵測到 68% 個案，而放射科醫生則為 23%。研究人員警告，提前時間較長的子組個案較少，因此估算結果的確定性較低。
不過，結果挑戰了一項常見假設：被判定為正常的 CT 掃描，可能早在胰臟腫塊變得可見前，已包含可量度的組織變化。
為何胰臟癌的早期偵測仍然如此困難
臨床壓力源於狹窄的治療窗口，以及缺乏適用於一般風險成人的標準篩查策略。
胰臟癌在最早期往往只會引起含糊症狀，甚至沒有可辨識症狀。當體重下降、腹痛或黃疸促使病人接受影像檢查時，癌症可能已經擴散。
早期偵測之所以重要，是因為手術為合資格病人提供最清晰的長期存活途徑。許多病人從未接受手術，因為臨床醫生發現疾病時，它已經惡化。
為全體人口進行篩查並非簡單答案。與乳癌、肺癌、大腸直腸癌或前列腺癌相比，胰臟癌並不常見。
即使一項測試表面上準確度很高，在罕見疾病人群中部署時仍可能產生大量假警報。沒有癌症的人數如此龐大，以致不完美的特異度會成為重大的臨床問題。
National Cancer Institute 表示，沒有適用於一般風險人士的標準胰臟癌篩查測試。其現行篩查指引將監測重點放在風險較高的人士身上。
這些群組包括有顯著家族病史、遺傳性癌症相關變異，以及某些胰臟病變的人士。部分臨床項目亦研究新發糖尿病作為風險富集訊號。
風險富集是指選擇一個癌症比率高於一般人口的較小群體，令第二輪影像或診斷測試更具可行性。
REDMOD 比起全民篩查更適合這種目標導向方式。該模型旨在分析例行醫療中已取得的 CT 掃描，特別是已有既定警示因素的病人。
這種設計避免為了胰臟篩查而讓所有人額外暴露於 CT 輻射，亦把先前取得的影像轉化為另一項縱向風險資訊來源。
但它亦造成覆蓋限制。沒有合資格腹部 CT 掃描的人士，無論其潛在風險如何，都無法受惠於模型。
訓練人群亦未能重現真正的人口篩查條件。研究中每約六宗對照個案，就有一宗診斷前癌症個案。
這個比例的癌症富集程度遠高於未篩選的臨床人群。研究人員把它用作相對於平衡病例對照實驗的嚴格低盛行率設計，而不是人口發病率的複製。
較低的真實世界盛行率可大幅降低陽性預測值。陽性預測值衡量陽性警示實際對應疾病的頻率。
一項 2024 年系統性回顧發現，電子健康紀錄的胰臟癌風險模型之間存在廣泛差異，亦發現該領域普遍有報告不完整及真實世界驗證有限的問題。
其後的統合分析發現，基於 EHR 的方法陽性預測值往往低於 1%。儘管平均辨識能力令人鼓舞，分析亦顯示研究之間存在極端差異。
這些結果並不會否定分析影像而非結構化紀錄的 REDMOD。它們顯示，強勁的回顧性準確度只是篩查系統的起步要求。
REDMOD 如何讀取外觀看似正常的胰臟
模型將胰臟組織轉化為可量度的紋理模式，然後結合三個分類器來估計風險。
REDMOD 首先進行自動胰臟分割。分割是指在個別 CT 圖像切片中，辨識器官的三維邊界。
研究人員在此步驟使用名為 3D nnU-Net 的深度學習架構。自動分割減少了原本會令大規模分析變得困難的人手工作。
分離胰臟後，系統會計算放射組學特徵。放射組學將醫學影像轉換為數值量度，用以描述強度、紋理、形狀及空間關係。
這些量度可捕捉未形成可見腫瘤的像素層面變化。放射科醫生看到的是解剖結構，而放射組學亦會量度該結構內影像數值的變化方式。
系統最初檢視了數百項量度，其最終特徵組合採用 40 項經挑選的特徵，包括四項一階特徵及 36 項紋理特徵。
一階特徵在不考慮位置的情況下，概述影像強度的分布。紋理特徵則量度相鄰影像數值之間的空間模式與關係。
40 項所選特徵中，有 36 項來自濾波影像。濾波器揭示不同尺度的模式，包括可能在原始 CT 影像中消失的變化。
經小波濾波的紋理特徵佔最終特徵組合的 90%。這些特徵產生 0.82 的 AUC，而未經濾波的特徵則為 0.74。
該差異在研究中具有統計顯著性。這表示模型依賴的是分散的結構變化，而不只是閱片者遺漏的隱藏腫塊。
REDMOD 其後將所選量度輸入三種傳統機器學習方法：邏輯迴歸、隨機森林及極端梯度提升。
每種方法均會計算一個機率。系統透過軟投票平均這些輸出，並將合併後的機率轉換為分類結果。
這個集成方法很重要，因為三種方法可捕捉不同關係。邏輯迴歸傾向較簡單的邊界，而基於樹的模型可呈現非線性交互作用。
訓練過程亦採用 Synthetic Minority Over-sampling Technique，即 SMOTE。這種方法在少數類別中建立合成例子，以減少訓練時的不平衡。
SMOTE 不會加入真實病人。它協助分類器學習決策邊界，避免較大的對照組主導每一項預測。
模型包含可調整的分類閾值。醫院可在毋須重新訓練底層演算法的情況下，將該閾值調校至較高敏感度或較高特異度。
這種彈性雖然有用，但亦將重要決定轉移至臨床部署。較低閾值可捕捉更多癌症，但同時會產生更多假陽性警示。
較高閾值可減少不必要的後續跟進，但亦可能錯過更多早期疾病。因此，技術上最佳的閾值不一定自動成為臨床上最安全的選擇。
Mayo Clinic 表示，預期輸出是額外的風險訊號，而不是自動癌症診斷。其臨床摘要將 REDMOD 描述為放射科醫生及腸胃科醫生的輔助工具。
這個角色保留了任何後續決定所需的人為覆核，亦承認統計紋理特徵在沒有進一步臨床評估下，無法確定惡性腫瘤。
REDMOD 與放射科醫生並非最終應有的比較
研究顯示 AI 找到更多診斷前訊號，但實際系統仍有賴放射科醫生解讀這些警示。
兩名取得專科認證的腹部放射科醫生在不知道結果的情況下審閱獨立測試組。他們評估每個胰臟看似正常，還是顯示診斷前疾病。
其綜合敏感度為 38.9%，相比之下 REDMOD 為 73%。差異具統計學顯著性。
這項結果並不表示放射科醫生未能勝任日常工作。他們檢視的是未見明顯腫塊的掃描影像，而原本的臨床判讀者亦將這些影像解讀為陰性。
REDMOD 處理的是另一個資訊層面。它量度人類視覺通常不會量化的數學模式。
在部分比較中，放射科醫生維持了較高的特異度。這項優勢相當重要，因為假陽性可能引發重複影像檢查、內視鏡超聲波、活組織檢查、手術或長期監察。
研究資深作者 Ajit Goenka 在一篇臨床評論中將該模型形容為互補系統。放射科醫生會撰寫標準報告，而 REDMOD 則會提供另一項風險評分。
這種流程重新界定了比較對象。有用的比較並非機器對醫生，而是 AI 輔助判讀與單純傳統判讀之間的差異。
AI 警示可促使放射科醫生再次仔細檢視胰臟。它亦可將個案轉介至由放射學、胃腸病學、腫瘤學及遺傳風險專家組成的多學科團隊。
對於新發糖尿病或不明原因體重下降的患者，較高的評分或可支持更密切的監察。臨床醫生可考慮 MRI、內視鏡超聲波、分子影像檢查，或縮短覆診間隔。
對於沒有症狀的平均風險患者，同一評分可能具有不同意義。由於其罹癌的基礎機率較低，出現假警報的機會會較高。
因此，醫院需要的不只是一個敏感度數字。他們需要按年齡、性別、種族、糖尿病狀況、掃描儀製造商、影像檢查方案及臨床適應症分層的表現數據。
研究納入來自多間機構、不同系統及不同檢查方案的掃描影像。這種多樣性加強了證據，顯示 REDMOD 並非只記住某一間醫院的影像設定。
研究人員亦在另外兩個對照組測試特異度。在包含 539 次掃描的多機構隊列中，特異度達 81.3%；在包含 80 次掃描的公開數據集則達 87.5%。
這些檢驗有所幫助，但不能取代前瞻性部署。回顧性研究人員已知道哪些患者最終罹癌，因此可以建立定義嚴謹的比較組別。
真實的臨床隊列更為複雜。患者可能有運動偽影、解剖結構改變、胰臟炎、囊腫、既往手術、不完整病史，以及因許多無關病況而進行的掃描。
成功的系統必須能夠處理這些個案，而不會悄然失效。它亦必須以臨床醫生能在繁忙閱片時段理解的方式傳達不確定性。
無法解釋的紅色警示會引發自動化偏誤。附帶支持性影像區域及趨勢資訊的校準風險評分，會令判讀更具理據。
縱向穩定性或有幫助。REDMOD 在 90% 至 92% 的已評估個案中，對連續掃描產生一致的分類結果。
一致性可顯示警示代表持續存在的訊號，而非隨機影像雜訊。然而，一致的錯誤仍然可能發生，因此穩定性並非生物學真實性的證明。
REDMOD 的數字未能證明甚麼
回顧性偵測尚不足以證明 REDMOD 能減少死亡、避免不必要程序，或可在常規篩查中安全運作。
研究中最大的未知數是臨床效益。臨床效益是指使用模型是否會改變照護方式，從而帶來更佳的患者結果。
REDMOD 能正確區分許多日後罹癌個案與對照組。研究人員並未將患者隨機分配至 AI 輔助照護或傳統照護。
因此，研究無法確定有多少癌症可獲得更早治療。它亦不能顯示，較早介入能否改善被標記患者的存活率。
提前診斷偏差令任何早期偵測的主張更為複雜。較早發現癌症，可以增加從診斷至死亡的量度時間，但不一定能延長患者壽命。
因此，前瞻性試驗必須檢視疾病分期、可切除資格、治療、併發症、生活質素及癌症特異性死亡率。僅有偵測時間並不足夠。
假陽性的後果同樣需要重視。在 81.1% 的特異度下，測試環境中約有 19% 的對照組在所選閾值下獲得陽性分類。
這個百分比不能直接轉換為人口篩查結果，因為研究採用了經挑選的隊列。不過，這仍顯示下游處理流程為何重要。
胰臟活組織檢查和手術並非輕微介入。即使只是額外影像檢查，也可能帶來輻射暴露、偶發發現、成本及焦慮。
NCI 將假陽性、過度診斷、過度治療及假陰性列為潛在的篩查危害。任何 REDMOD 流程都必須量度各個類別。
另一項不確定性涉及因果關係。放射組學模式可能反映早期癌症生物學、炎症、代謝變化、老化、掃描儀行為，或多種效應的綜合結果。
研究的波レット分析支持存在以組織為基礎的訊號，但未能完全解釋是哪些生物學過程產生這個訊號。
另一個相關問題是標籤建構。每次診斷前掃描均來自日後被診斷患癌的人，因此分析是從已知結果回望。
前瞻性系統必須在未知道未來結果的人群中標記癌症。這種差異可能揭示回顧性個案選擇所掩蓋的偏差。
個案與對照組的比例亦遠高於真實人口的發病率。即使特異度保持穩定，當處理數以百萬計低風險掃描時，仍可能產生大量假警示。
因此，部署應從風險較高的群組開始。新發糖尿病、遺傳易感性、胰臟囊腫、慢性胰臟炎及明確家族病史，都是合理的切入點。
每個群組的基礎風險不同。適合某一群組的閾值，可能在另一群組中表現欠佳。
研究人員亦必須測試模型表現是否能在不同患者群體之間維持公平。多中心驗證並不會自動保證人口學公平性。
CT 檢查方案可因對比劑期相、切片厚度、重建方法及掃描儀硬件而有所不同。這些變化可改變 REDMOD 所依賴的紋理量度。
外部特異度結果令人鼓舞，但敏感度仍需要廣泛的外部測試。能夠跨院址避免假陽性的模型，仍可能錯過代表不足群體中的癌症模式。
監管狀態及工作流程整合帶來額外障礙。醫院需要經驗證的軟件、品質控制、版本追蹤、網絡安全保障，以及對漏報警示的清晰責任界定。
臨床醫生亦需要指引，了解較高評分代表甚麼。若沒有一致的應對方式，警示可能帶來不確定性，而非有用行動。
適當的結論應保持審慎。Mayo Clinic 的胰臟癌 AI 在回顧性 CT 掃描中發現了有意義的訊號，但尚未建立一項人口篩查計劃。
三個訊號將決定 REDMOD 能否進入臨床照護
前瞻性表現、假陽性負擔及患者結果的變化，將決定 REDMOD 是否成為臨床工具。
第一個訊號是前瞻性驗證的結果。Mayo Clinic 正透過 AI-PACED 推進這項方法，該名稱是 Artificial Intelligence for Pancreatic Cancer Early Detection 的縮寫。
這項研究旨在評估 AI 引導的偵測在高風險患者中的表現。它將觀察模型警示如何與常規影像檢查、後續跟進及臨床判斷互動。
前瞻性測試消除了回顧性研究的一項主要優勢。研究人員不能根據誰最終被診斷患癌而選擇個案。
若敏感度及特異度仍接近回顧性結果，對 REDMOD 的信心將會上升。若表現大幅下跌，則會削弱部署的理據。
第二個訊號是模型在每個目標患者群組中的陽性預測值。這個數字顯示有多少警示對應實際癌症。
研究人員應連同敏感度及特異度一併報告此數字。他們亦應計算每宗偵測到的癌症所引發的額外掃描、專科轉介、內視鏡程序、活組織檢查及手術數目。
在高風險診所可接受的假陽性率，放在所有腹部 CT 掃描中可能不可接受。因此，部署主張應清楚列明確切的人群及閾值。
第三個訊號是朝向具臨床意義結果的轉變。診斷時處於較早期會有用，但更高的手術資格率及改善癌症特異性存活率，將會是更有力的證據。
研究人員亦應量度危害。若系統發現更多早期癌症，卻同時導致大量不必要介入，便不能聲稱取得臨床成功。
最可信的部署路徑應由狹窄範圍開始。醫院可先分析定義清晰的高風險群組既有掃描，然後只在前瞻性證據支持每個新群體後再逐步擴展。
REDMOD 亦應置於更廣泛的偵測架構之中。臨床病史、血液生物標記、糖尿病模式、遺傳學及影像檢查，可能結合起來比任何單一訊號更有效。
結合工具可建立有效率的流程。低成本風險模型可識別候選個案，REDMOD 可分析既有 CT 影像，而針對性程序則可確認可疑發現。
這種方法可保留 REDMOD 最強的優勢。它能從已存在的掃描中擷取更多資訊，而無需要求放射科醫生看見低於正常視覺感知範圍的模式。
它亦會尊重模型目前的限制。REDMOD 提供的是需要臨床背景解讀的風險估計，而非確定診斷。
對臨床醫生及醫療 AI 團隊而言，下一個問題很具體：前瞻性研究能否保留 REDMOD 的偵測優勢，同時將後續跟進負擔維持在可接受水平？
對患者而言，訊息同樣需要審慎傳達。AI 標記並非胰臟癌的證明，而正常結果亦不能排除胰臟癌。
研究已顯示，常規 CT 數據可以包含早期訊號。決定性的考驗，是醫療系統能否將這個訊號轉化為更安全的照護及更佳的結果。
