Mayo Clinic 胰腺癌 AI 发现了放射科医生遗漏的风险信号
Mayo Clinic 的胰腺癌 AI 在患者获得临床诊断前最多三年，就从常规 CT 扫描中检测到了隐藏的预警信号。该模型在一组独立测试集中发现了 73% 的诊断前癌症病例。审阅相同扫描结果的专家放射科医生则发现了 38.9%。
这种差距才是真正值得关注的地方。这些扫描并无明显异常，患者接受影像检查的原因也与胰腺癌无关。然而，模型识别出了与数月或数年后才在临床上显现的癌症相关的模式。
该系统名为基于影像组学的早期检测模型，即 REDMOD，本身并不诊断癌症。它通过人类阅片者看来正常的胰腺组织中的定量模式来评估风险。
Mayo Clinic、MD Anderson Cancer Center 和 University of Washington 的研究人员在 Gut 发表了这项结果。这项回顾性研究为医疗 AI 提出了严苛目标：在可见肿瘤提供明确诊断线索之前，识别一种罕见癌症。
不过，该模型尚未证明其预警能在临床实践中改善生存率。下一步要检验的是，医院能否在不过度增加假阳性、侵入性操作和患者焦虑的情况下使用这些预警。
Mayo Clinic 胰腺癌 AI 提前数年发现信号
REDMOD 改变的是研究人员能够从看似正常的 CT 扫描中提取的信息，而不是放射科医生肉眼可见的内容。
研究人员收集了 219 名后来患上胰腺导管腺癌者的诊断前 CT 扫描。该疾病通常简称为 PDAC，是最常见的胰腺癌类型。
这些扫描拍摄于确诊前 3 至 36 个月。最初的判读并未发现可疑的胰腺肿块或其他局灶性异常。
研究还纳入了 1,243 份来自未患胰腺癌者的对照扫描。对照参与者至少随访三年，降低了未确诊癌症被误标为正常的可能性。
研究人员将数据划分为独立的开发组和测试组。REDMOD 使用 969 份扫描进行训练，其中包括 156 例诊断前病例和 813 例对照。
独立测试集包含 493 份扫描，其中有 63 例诊断前癌症病例和 430 例对照，均未用于训练系统。
在该测试中，REDMOD 的受试者工作特征曲线下面积为 0.82。这一指标被称为 AUC，反映模型在不同阈值下区分阳性病例与对照的能力。
在选定阈值下，该模型的灵敏度达到 73%，特异度达到 81.1%。灵敏度衡量被检出的癌症病例比例，而特异度衡量被正确判定为阴性的对照比例。
临床确诊前的中位提前时间为 475 天，约为 16 个月。部分评估扫描最早来自确诊前三年。
这些结果支持“Mayo Clinic 胰腺癌 AI 最早可提前三年提示风险”这一标题说法。但这并不意味着每一例癌症都能提前三年被发现。
这一区别很重要。三年这一数字描述的是研究时间窗口的最外边界，而 475 天则描述了测试中的典型提前时间。
根据经同行评审的 REDMOD 研究，模型表现会随确诊前的时间间隔而变化。在距确诊超过两年的扫描中，模型相较放射科医生的优势更大。
REDMOD 在该亚组中检出了 68% 的病例，而放射科医生仅检出 23%。研究人员提醒，提前时间更长的亚组病例数较少，因此其估计结果的不确定性更高。
尽管如此，这一结果挑战了一个常见假设：被判定为正常的 CT 扫描，可能在胰腺肿块变得可见很久之前就已包含可测量的组织变化。
为什么更早发现胰腺癌依然如此困难
临床压力源于狭窄的治疗窗口，以及针对平均风险成年人的标准筛查策略尚付之阙如。
胰腺癌在最早期往往只会引发模糊症状，甚至没有可识别症状。等到体重下降、腹痛或黄疸促使患者接受影像检查时，癌症可能已经扩散。
早期发现至关重要，因为对于符合条件的患者，手术提供了通往长期生存最明确的路径。许多患者从未有机会接受手术，因为临床医生发现疾病时，它已经进展。
对全体人群进行筛查并不是简单答案。与乳腺癌、肺癌、结直肠癌或前列腺癌相比，胰腺癌并不常见。
即使是表面上准确率很高的检测，在面对罕见疾病时也可能产生大量假警报。没有癌症的人数如此庞大，以至于不完美的特异度会成为重大临床问题。
National Cancer Institute 表示，针对平均风险人群，目前没有标准的胰腺癌筛查检测。其现行 筛查指南将监测重点放在风险升高的人群身上。
这些群体包括有显著家族病史、携带遗传性癌症相关变异，以及存在某些胰腺病变的人群。一些临床项目还将新发糖尿病作为风险富集信号进行研究。
风险富集是指选择癌症发生率高于普通人群的一小部分人群。这使二次影像检查或诊断检测更具可行性。
与普筛相比，REDMOD 更适合这种定向方法。该模型旨在分析常规医疗过程中已经获得的 CT 扫描，尤其适用于具有既定预警因素的患者。
这一设计避免了仅为胰腺筛查而让所有人接受新的 CT 辐射。它也将既有影像转化为纵向风险信息的另一来源。
但这也造成了覆盖范围限制。没有符合条件的腹部 CT 扫描的人，无论其潜在风险如何，都无法从该模型中受益。
训练人群也无法复现真正的人群筛查条件。研究中，约每六名对照者对应一例诊断前癌症病例。
这一比例的癌症富集程度明显高于未经筛选的临床人群。研究人员将其作为相对于平衡病例对照实验的一种严格低患病率设计，而非对人群发病率的复制。
现实世界中更低的患病率可能会显著降低阳性预测值。阳性预测值衡量阳性预警实际对应疾病的频率。
一项 2024 年的系统综述发现，用于评估胰腺癌风险的电子健康记录模型之间存在广泛差异。它还发现，该领域普遍存在报告不完整和现实世界验证有限的问题。
后续一项 Meta 分析发现，基于 EHR 的方法其阳性预测值往往低于 1%。尽管平均区分能力令人鼓舞，该分析也报告了研究间的极端差异。
这些发现并未否定分析影像而非结构化记录的 REDMOD。它们表明，强劲的回顾性准确率仅仅是筛查系统的起步要求。
REDMOD 如何解读看似正常的胰腺
该模型将胰腺组织转化为可测量的纹理模式，再结合三种分类器估算风险。
REDMOD 首先进行自动胰腺分割。分割是指在单张 CT 图像切片中识别器官的三维边界。
研究人员在这一步使用了一种名为 3D nnU-Net 的深度学习架构。自动分割减少了原本会令大规模分析变得困难的人工工作量。
在分离出胰腺后，系统会计算影像组学特征。影像组学将医学图像转换为描述强度、纹理、形状和空间关系的数值测量。
这些测量能够捕捉尚未形成可见肿瘤的像素级变化。放射科医生观察解剖结构，而影像组学还会测量该结构内部图像数值的变化方式。
系统最初检查了数百项测量。最终特征签名使用了 40 个选定特征，包括 4 个一阶特征和 36 个纹理特征。
一阶特征在不考虑位置的情况下概括图像强度的分布。纹理特征则测量相邻图像数值之间的空间模式和关系。
40 个选定特征中有 36 个来自滤波图像。滤波器可呈现不同尺度的模式，包括可能在原始 CT 图像中消失的变化。
小波滤波后的纹理特征占最终特征签名的 90%。这些特征的 AUC 达到 0.82，而未滤波特征为 0.74。
这一差异在研究中具有统计学显著性。它表明，该模型依赖于分布式结构变化，而不只是依赖于阅片者遗漏的隐蔽肿块。
随后，REDMOD 将选定测量数据输入三种传统机器学习方法：逻辑回归、随机森林和极端梯度提升。
每种方法都会计算一个概率。系统通过软投票对这些输出取平均值，并将组合概率转化为分类结果。
这一集成很重要，因为三种方法能够捕捉不同关系。逻辑回归倾向于较简单的边界，而基于树的模型能够表示非线性互动。
训练过程还使用了 Synthetic Minority Over-sampling Technique，即 SMOTE。这种方法会在少数类别中创建合成样本，以减少训练期间的不平衡。
SMOTE 不会增加真实患者。它帮助分类器学习决策边界，避免规模更大的对照组主导每一次预测。
该模型包含可调整的分类阈值。医院可以在不重新训练底层算法的情况下，将阈值调整为更高灵敏度或更高特异度。
这种灵活性很有用，但它将一项重要决策转移到了临床部署阶段。较低阈值能够发现更多癌症，但也会产生更多假阳性预警。
较高阈值可以减少不必要的后续检查，却可能遗漏更多早期疾病。因此，技术上最佳的阈值并不必然是临床上最安全的选择。
Mayo Clinic 表示，其预期输出是一项额外风险信号，而非自动癌症诊断。其临床摘要将 REDMOD 描述为对放射科医生和胃肠病学家的补充。
这一角色保留了围绕任何后续决策的人类审查。它也承认，统计纹理特征签名无法在未经进一步临床评估的情况下确认恶性肿瘤。
将 REDMOD 与放射科医生对比并非最终较量
研究显示 AI 发现了更多诊断前信号，但实际系统仍依赖放射科医生对这些预警作出解读。
两名获得委员会认证的腹部放射科医生在不了解结局的情况下审阅了独立测试集。他们评估每个胰腺看起来是否正常，或是否显示出诊断前疾病。
它们的综合敏感性为 38.9%，而 REDMOD 为 73%。这一差异具有统计学显著性。
这一结果并不表明放射科医生在日常工作中表现不佳。他们审阅的是未见可见肿块的扫描图像，而最初的临床阅片者也将这些图像判读为阴性。
REDMOD 处理的是不同的信息层面。它测量人眼通常不会量化的数学模式。
在部分比较中，放射科医生保持了更高的特异性。这一优势很重要，因为假阳性可能引发重复影像检查、内镜超声、活检、手术或长期随访监测。
该研究的资深作者 Ajit Goenka 在临床评论中将该模型描述为一种互补系统。放射科医生会出具标准报告，而 REDMOD 则提供单独的风险评分。
这一工作流重新定义了对比对象。有意义的比较并非机器对医生，而是 AI 辅助阅片与单独采用常规阅片。
AI 警报可促使放射科医生再次仔细检查胰腺。它还可以将病例转交给由放射学、胃肠病学、肿瘤学和遗传风险专家组成的多学科团队。
对于新发糖尿病或不明原因体重下降的患者，较高评分可能支持更密切的监测。临床医生可考虑 MRI、内镜超声、分子影像或缩短随访间隔。
对于无症状的平均风险患者，同样的评分可能具有不同含义。由于癌症的基础概率较低，误报的可能性会更高。
因此，医院需要的不只是一个敏感性数字。还需要按年龄、性别、种族、糖尿病状态、扫描仪制造商、影像协议和临床适应证分别评估的性能数据。
该研究纳入了来自多个机构、系统和协议的扫描图像。这种多样性增强了证据，表明 REDMOD 并非只是记住了某一家医院的影像设置。
研究人员还在另外两个对照组中测试了特异性。在包含 539 次扫描的多机构队列中，特异性达到 81.3%；在包含 80 次扫描的公开数据集中，达到 87.5%。
这些检验很有帮助，但不能取代前瞻性部署。回顾性研究人员已经知道哪些患者最终患上癌症，因此可以构建经过精确定义的对照组。
真实的临床队列更为复杂。患者可能存在运动伪影、解剖结构改变、胰腺炎、囊肿、既往手术史、不完整病史，以及因各种无关疾病而完成的扫描。
成功的系统必须能够处理这些病例，且不能在无声无息中失效。它还必须以临床医生在繁忙阅片过程中能够理解的形式传达不确定性。
无法解释的红色警报会诱发自动化偏见。附带支持性影像区域和趋势信息的经校准风险评分，则能让复核更具依据。
纵向稳定性或许有所帮助。在接受评估的病例中，REDMOD 在连续扫描中对 90% 至 92% 的病例给出了稳定的分类结果。
一致性可表明警报代表持续存在的信号，而非随机影像噪声。不过，持续一致的错误仍有可能，因此稳定性并不能证明其生物学真实性。
REDMOD 的数字无法证明什么
回顾性检测尚不能证明 REDMOD 能降低死亡率、避免不必要的操作，或能在常规筛查中安全有效地运行。
该研究最大的不确定性在于临床效用。临床效用关注的是，使用模型是否会以改善患者结局的方式改变医疗决策。
REDMOD 能够正确区分许多未来癌症病例与对照组。研究人员并未将患者随机分配至 AI 辅助医疗和常规医疗组。
因此，该研究无法确定有多少癌症能够得到更早治疗。它也无法显示，对于被标记的患者，更早干预是否会改善生存率。
提前诊断偏倚会使任何早期检测主张变得复杂。更早发现癌症可以延长从诊断到死亡的测量时间，却未必能延长患者寿命。
因此，前瞻性试验必须考察疾病分期、切除资格、治疗、并发症、生活质量和癌症特异性死亡率。仅有检测时间并不足够。
假阳性的后果同样需要受到重视。在 81.1% 的特异性下，测试环境中约 19% 的对照者在所选阈值下获得阳性分类。
由于该研究采用了经过筛选的队列，这一比例不能直接换算为人群筛查结果。它仍然表明，下游处置方案为何至关重要。
胰腺活检和手术并非轻微干预。即使只是额外影像检查，也可能带来辐射暴露、偶然发现、费用和焦虑。
NCI 将假阳性、过度诊断、过度治疗和假阴性列为潜在的筛查危害。任何 REDMOD 工作流都必须衡量每一类风险。
另一个不确定性涉及因果关系。影像组学模式可能反映早期癌症生物学、炎症、代谢变化、衰老、扫描仪行为，或多种效应的叠加。
该研究的小波分析支持存在基于组织的信号。但它并未完全解释究竟是哪些生物学过程产生了这一信号。
另一个相关担忧是标签构建。每一份诊断前扫描都来自后来被诊断为癌症的人，因此分析是从已知结局回溯进行的。
前瞻性系统必须在人们未来情况未知时识别癌症。这一差异可能暴露回顾性病例选择所掩盖的偏差。
病例与对照的比例也仍远高于真实人群中的发病率。即使特异性保持稳定，处理数百万份低风险扫描时仍可能产生大量错误警报。
因此，部署应从风险富集人群开始。新发糖尿病、遗传易感性、胰腺囊肿、慢性胰腺炎和显著家族史都是合理的切入点。
每个群体的基础风险不同。适用于一个群体的阈值，可能在另一个群体中表现不佳。
研究人员还必须测试模型性能能否在不同患者人群中保持公平。多中心验证并不自动保证人口学公平性。
CT 协议可能在增强期相、层厚、重建方法和扫描仪硬件方面有所不同。这些变化可能影响 REDMOD 所依赖的纹理测量。
外部特异性结果令人鼓舞，但敏感性仍需接受广泛的外部测试。一个在不同地点能够避免假阳性的模型，仍可能在代表性不足的人群中漏掉癌症模式。
监管状态和工作流整合也构成额外障碍。医院需要经过验证的软件、质量控制、版本追踪、网络安全保障，以及对漏报警示的明确责任划分。
临床医生还需要了解高评分意味着什么。没有一致的应对方案，警报可能制造不确定性，而不是带来有用行动。
恰当的结论应当保持审慎。Mayo Clinic 的胰腺癌 AI 在回顾性 CT 扫描中发现了有意义的信号，但尚未建立人群筛查项目。
三项信号将决定 REDMOD 能否进入临床医疗
前瞻性表现、假阳性负担和患者结局的变化，将决定 REDMOD 是否能成为临床工具。
第一项信号是前瞻性验证的结果。Mayo Clinic 正通过 AI-PACED 推进这一方法，其全称为 Artificial Intelligence for Pancreatic Cancer Early Detection。
该研究旨在评估 AI 引导的检测在高风险患者中的表现。它将观察模型警报如何与常规影像、随访和临床判断相互作用。
前瞻性测试消除了回顾性研究所具有的一项主要优势。研究人员无法基于事先知道谁最终会被诊断为癌症来挑选病例。
如果敏感性和特异性仍接近回顾性研究结果，人们对 REDMOD 的信心将提升。若性能大幅下降，部署的理由则会被削弱。
第二项信号是模型在每个预定患者群体中的阳性预测值。这个数字揭示了有多少警报对应真实癌症。
研究人员应将其与敏感性和特异性一并报告。还应统计每发现一例癌症所触发的额外扫描、专科转诊、内镜操作、活检和手术数量。
在高风险门诊中可接受的假阳性率，若应用于所有腹部 CT 扫描，可能无法接受。因此，部署主张应明确指出具体人群和阈值。
第三项信号是转向具有临床意义的结局。诊断时分期更早会有价值，但更高的手术适用性和改善的癌症特异性生存率将构成更强证据。
研究人员也应衡量危害。如果一个系统发现了更多早期癌症，却造成大量不必要干预，就不能宣称取得临床成功。
最可信的部署路径应从狭窄范围开始。医院可分析界定明确的高风险群体已有扫描，随后仅在前瞻性证据支持每一新增人群后再逐步扩展。
REDMOD 也应置于更广泛的检测体系中。临床病史、血液生物标志物、糖尿病模式、遗传学和影像可能共同发挥作用，其效果优于任何单一信号。
组合工具可以形成高效的流程。低成本风险模型可以识别候选人群，REDMOD 可分析现有 CT 影像，而有针对性的操作可确认可疑发现。
这种方法将保留 REDMOD 最强的优势。它从已经存在的扫描中提取更多信息，而无需放射科医生看见低于正常视觉感知能力的模式。
它也会尊重模型目前的局限。REDMOD 提供的是需要临床背景解读的风险估计，而非确定性诊断。
对临床医生和医疗 AI 团队而言，下一个问题很具体：前瞻性研究能否在将随访负担控制在可接受范围内的同时，保留 REDMOD 的检测优势？
对患者而言，这一信息同样需要谨慎传达。AI 标记并不是胰腺癌的证明，正常结果也无法将其排除。
该研究表明，常规 CT 数据可能包含早期信号。决定性检验在于，卫生系统能否将这一信号转化为更安全的医疗和更好的结局。
