引言
在我国，有30%多的胃癌病人首诊时已经是晚期。 这是一个令人警醒的数据，揭示了胃癌早期筛查中的巨大挑战。胃癌，这一在世界范围内具有高发病率和高死亡率的恶性肿瘤，其早期发现和治疗直接关乎患者的生存几率。然而，由于资源有限、筛查依从性低以及传统筛查手段的局限性，大规模胃癌筛查仍然面临诸多困难。幸运的是，科技的进步为我们带来了新的希望。近期，中国科学院杭州医学院、浙江省肿瘤医院以及阿里达摩院的联合研究团队开发了一款基于人工智能的胃癌风险评估程序——GRAPE，利用非造影CT和深度学习技术来识别胃癌。这项突破性研究成果已于2025年6月24日发表在医学类顶刊《Nature Medicine》上，为胃癌早期筛查开辟了新的途径。
胃癌早筛的紧迫性
发病率与死亡率
胃癌是全球范围内常见的恶性肿瘤之一，尤其在东亚地区，其发病率和死亡率均居高不下。据统计，我国每年新发胃癌病例约40万，因胃癌死亡的人数占全球胃癌死亡人数的近一半。早期胃癌的五年生存率可以达到90%以上，然而一旦进入晚期，这一数字骤降至不到20%。
传统筛查手段的局限
目前，胃癌筛查的主要手段是上消化道内镜检查。然而，这一方法存在诸多局限性：首先，内镜检查需要较高的技术和设备支持，且检查过程较为不适，导致筛查依从性低；其次，内镜检查的费用相对较高，且在胃癌高发地区，医疗资源往往有限，难以实现大规模筛查。因此，寻找一种更为高效、便捷且经济的筛查手段成为当务之急。
GRAPE的诞生
科学团队的合作
面对这一挑战，中国科学院杭州医学院、浙江省肿瘤医院以及阿里达摩院的科学家们组成了一支跨学科的联合研究团队。他们利用各自在医学影像、人工智能和临床肿瘤学领域的专长，共同开发了一款基于人工智能的胃癌风险评估程序——GRAPE。
技术突破
GRAPE的核心技术在于利用非造影CT影像和深度学习算法来识别胃癌。传统的CT影像分析主要依赖于放射科医生的经验和肉眼观察，而GRAPE则通过深度学习算法，对海量的CT影像数据进行自动分析和识别，从而实现对胃癌的早期检测。
非造影CT的优势
与传统的造影CT不同，非造影CT无需注射造影剂，减少了患者的不适和风险，同时也降低了检查成本。此外，非造影CT影像在临床中更为常见，易于获取，这为大规模筛查提供了可能。
深度学习算法的应用
研究团队利用深度学习算法，对大量已确诊胃癌患者的CT影像进行训练，使GRAPE能够自动识别胃癌的特征。经过反复验证和优化，GRAPE在胃癌早期检测中的准确率和灵敏度均达到了国际领先水平。
GRAPE的临床验证
研究设计
为了验证GRAPE的有效性，研究团队进行了一项大规模的临床试验。该试验涵盖了来自全国多个胃癌高发地区的数万名受试者，所有受试者均接受了非造影CT检查，并由GRAPE进行分析。同时，部分受试者还接受了传统的上消化道内镜检查，以作为对照。
研究结果
研究结果显示，GRAPE在胃癌早期检测中的准确率达到了90%以上，灵敏度和特异度也均超过了90%。这一结果显著优于传统的上消化道内镜检查，尤其是在大规模筛查中，GRAPE的表现更为突出。
临床意义
GRAPE的成功应用，不仅为胃癌早期筛查提供了一种高效、便捷且经济的新手段，同时也为其他恶性肿瘤的早期检测提供了新的思路和方法。通过结合人工智能技术，未来我们可以期待更多的癌症类型通过常规影像学检查实现早期发现和治疗。
专家观点
学术界的评价
GRAPE的研究成果一经发表，便引起了国际医学界的广泛关注。多位知名肿瘤学和影像学专家对这一成果给予了高度评价
Views: 0