梅奧診所和 MD 安德森癌症中心的研究人員開發了一種人工智慧模型，能夠以極高的準確性識別 CT 掃描中的胰腺癌跡象。該系統稱為 REDMOD（基於放射組學的早期檢測模型），能夠在常規診斷前約 16 個月識別出約 73% 的分析病例中的疾病。在一些檢查中，人工智慧提前兩年多檢測到可疑模式，有可能在臨床確認前三年進行識別。
胰臟癌是現代腫瘤學的嚴峻挑戰。目前，85% 的診斷是在疾病已經擴散到其他器官時發生的，這極大地影響了治療選擇。預計到 2030 年，該疾病將成為美國癌症死亡的第二大原因。 REDMOD 似乎是一種很有前途的工具，可以透過識別常規檢查中的微小變化來改變這種情況。
系統如何辨識不可見的模式
REDMOD 不會尋找肉眼明顯或可見的腫瘤。相反，它尋找放射組學模式——胰腺組織紋理和結構的微妙變化，這些變化逃避了傳統的視覺檢測。該模型接受了 969 次電腦斷層掃描訓練，以學習在仍有可能成功幹預的階段識別疾病的初始跡象。
正常細胞的 DNA 會發生突變，影響其生長和行為。胰臟癌通常需要數年時間才能將這些變化演變成影像學檢查中可見或引起臨床症狀的腫瘤。 REDMOD 可以在腫瘤出現臨床表現之前很久就捕捉這種看不見的進展，從而識別外觀正常的胰腺中的疾病特徵。
超越人類專家
研究人員對後來患有胰腺癌的患者進行的 63 次 CT 掃描以及健康個體的 430 次對照掃描進行了 REDMOD 測試。系統正確辨識了63例疑似病例中的46例，命中率達73%。兩位人類放射科醫生同時分析相同的掃描結果，僅在 38.9% 的病例中檢測到早期體徵。這種差異代表了一個顯著的優勢：與專家相比，AI 模型的早期檢測能力幾乎增加了一倍。
在不同醫院使用不同設備在兩個不同資料集上重複測試。在所有場景下，REDMOD 都保持一致且可靠的效能。對於可以進行多項檢查的患者，即使檢查相隔數月進行，人工智慧也會產生大致一致的結果，這證明了模型的時間穩定性。
臨床實施的挑戰
該研究確定了未來改進的一個重要點：在 430 名健康個體中，81 人被 REDMOD 錯誤地標記為嫌疑犯。如果在真實場景中實施，這些人在確認陰性結果之前將接受額外的測試。提高這種特異性是避免不必要的手術並減少患者焦慮的首要任務。
- 胰臟癌高風險族群的前瞻性驗證
- 對更大、地域更多樣化的人群進行測試
- 融入不同醫院現有的臨床流程
- 提高模型特異性以減少誤報
- 確保不同醫院環境和設備的可及性
梅奧診所的放射科醫生阿吉特·戈恩卡 (Ajit Goenka) 表示，挽救胰臟癌患者生命的最大障礙一直是在這種疾病仍可治癒時無法檢測到。根據專家介紹，隨著時間的推移，在不同的臨床背景下，人工智慧可以可靠地識別外觀正常的胰臟中的癌症特徵。
診斷範式的轉變
REDMOD 的真正潛力在於其應用於出於其他醫學原因進行的常規 CT 掃描。醫生經常要求進行胰臟檢查以調查與癌症無關的症狀。如果 REDMOD 定期監測這些影像，它可以在臨床前階段檢測出癌症，此時治療仍然有效並提供更好的預後。
研究人員計劃將測試範圍擴大到更大、更多樣化的群體。他們也將研究將人工智慧納入不同機構現有醫療工作流程的難易度。目標是將目前基於晚期症狀的診斷轉變為主動攔截早期疾病，從根本上改變胰臟癌的治療方法。
研究作者強調，REDMOD 已證明能夠一致地檢測大型臨床資料集中的隱藏訊號，再加上其隨時間的高穩定性和經過驗證的特異性，為人工智慧增強的早期檢測奠定了堅實的基礎。研究人員樂觀地認為，透過不斷的發展和完善，他們將能夠提供一個非常有用的系統來對抗現有最致命的癌症類型之一。