中国AI查癌登上顶刊!忽然发现,外媒审视中国的视角彻底发生了转变!

研究团队用两家中心6813人的数据训练模型，又在中国、捷克、澳大利亚12家中心的80612人中，分不同场景验证。研究既包含既有影像的回顾性分析，也包含医院实际部署后的前瞻性验证。这些人并非全是癌症患者，结果也不能揉成一个“准确率”。

它最吸引人的地方，是检查入口变了。一个人原本因肺部问题接受胸部CT检查，影像里同时留下了食管的信息。AI尝试把这些已经拍到、却未必得到充分利用的信息再读一遍，为后续检查提供线索。患者不必为了这次额外分析，再拍一张片子。

这件事的分量，落在普通人的就医路上：一次已经做过的检查，能不能多争取一个发现问题的机会？研究原文

PLATE

— CT设备示意图，非本研究设备。Tomáš Vendiš摄／Franck-N裁切，Wikimedia Commons；CC BY-SA 4.0：creativecommons.org/licenses/by-sa/4.0

设想一个人，老陈，五十多岁，咳嗽反复，去医院查肺。

挂号，候诊，拍片，等报告。折腾完回到家，把装着检查资料的袋子往柜子里一塞。家里人问怎么样，他说，医生交代了，按时复查。

可影像里拍下来的东西，不会因为他只关心肺，就只剩下肺。食管也在那里。能不能顺带看看，有没有值得进一步核实的异常？

医疗AI在这里做的事，很像给一扇平常没人留意的门，装上一只门铃。过去要等病人主动敲门，现在系统有机会先提醒医生：这里可能需要看看。

让老陈专门抽一天再跑医院，和在已经完成的检查里多找一次线索，是两种完全不同的难度。前者要重新安排工作、路程、陪同；后者先利用现成影像，把值得复核的人提示出来。

创新有时候就藏在这里。少让人折腾一趟，比在发布会上多摆十个英文缩写，实在多了。

但门铃也有讲究。风一吹就响，全楼不得安生；真有人来了却没响，装它有什么用？

食管恰恰不好看。它是一根会塌陷、会运动的管道，早期病变可能很小，普通CT上的变化并不显眼。团队要先让系统找到食管，再识别可疑区域，并给医生提供位置提示。这不是往聊天框里扔一张片子，等它随口编一段答案。

研究做的是有明确任务、有病例验证的筛查工具。它的价值，要到医院里验。

论文里有个数字很漂亮：在常规剂量CT的外部验证中，对食管癌的检出敏感性达到90%。

粗略理解，在这组已经患癌的人中，系统能找出约九成。可把人群再拆开，Ⅰ期癌症的敏感性是60.1%，高级别癌前病变是52.5%。同一外部验证中的特异度是98.5%。

“能发现不少食管癌”，与“早期病变也能检出九成”，隔着很大的距离。论文验证结果

要是把后面那些数字藏起来，只把90%贴在标题上，宣传是省事了，读者却可能误以为，AI说没事，就用不着按医生建议做内镜了。

拿别人的检查决定给自己的标题壮胆，这牛皮吹得太贵。

也不能反过来说，既然早期还有漏诊，这项研究就没用。你给门装铃，是为了增加提醒的机会。没人会因为门铃不能开门、不能检查来人的身份，就说电工白干了。

医院原有的检查和诊断仍要继续。系统提醒以后，医生结合病史、影像和必要的内镜、病理检查，才能把事情往下查清楚。

还有一个容易被忽略的变化：模型不能只学会“多报”。报得太多，医生忙着排除虚惊，真正需要关注的人反而可能被淹没。

论文专门做了模型校准。在一个真实场景验证队列中，假阳性从432例降到118例，检出敏感性基本保持。这种进步没有“AI击败医生”那么热闹，却关系到医生明天要多复核多少份资料。

响得有用，比响得热闹难多了。

我读到后面，停留最久的，反而是一组不够光鲜的数字。

在17446人的前瞻性医院验证中，系统提示90人阳性。经过诊疗记录核对和随访，其中38人被确认有食管癌或高级别癌前病变。不过，不能把这38人全部算成“AI新救下的人”，不少人原本就在常规诊疗流程里。

更值得看的是另外一段：多学科团队复核后，建议16人进一步接受内镜。随访时，只有3人完成了检查，其中1人确诊食管癌，并接受了治疗。论文前瞻性验证

16，3，1。

这几个数，比一句“全面替代医生”更接近医疗的真实模样。门铃响了，后面还得有人应门，有人把事情接着办。

至于其他人为什么没完成，不能替他们编故事。论文也没有证明，这套筛查已经降低了人群死亡率。但它把问题摆出来了：机器发出提示，和病人真正完成检查，中间还有一段路。

想想《我不是药神》里那些等药的人。

回到设想中的老陈。假如医院打电话说，影像需要进一步看看，他首先会问什么？多半不是模型有多少参数。他会问，严重吗，挂哪个科，什么时候去，要不要空腹，要不要家里人陪？

如果回答只剩一句“请自行就诊”，系统里的任务可以标成已完成，老陈的麻烦才刚开始。

这就是医疗技术落地时那些不太上镜的工作：谁负责复核，谁解释风险，谁安排检查，没人回来时谁继续联系。每一件都琐碎，每一件又都绕不过去。

我们平常看科技新闻，总喜欢盯那个最聪明的人。到了医院，聪明还得和耐心坐在同一张桌子旁边。

所以，这项中国团队主导的研究值得认真看。

它提出了一条具体的路：把医院已经获取的影像，转化为额外的筛查线索，再通过多中心、多场景验证，看看这条路到底能走多远。

现成影像不意味着整套服务免费，数据管理、软件维护、医生复核和后续诊疗都要投入。中国医疗AI接下来真正能拿出来比的，也包括这些本事：换一家医院还能不能用，误报能不能少一点，发现异常的人能不能被及时接住。

把这些做扎实了，同行才有理由认真研究，医院才有理由持续使用。外媒愿意报道当然是好事，可一篇报道承担不了“全世界态度彻底转变”这么大的结论。

一个家庭也不会因为外国报纸夸了谁，就少跑一趟医院。

更值得追踪的，是下一份研究能否告诉我们：多发现了多少原本可能漏掉的人，其中多少人及时完成了诊断和治疗。

也许是某天傍晚，家里人接到电话，把柜子里的检查袋重新拿出来。第二天，请好假，陪着去一趟医院。

门铃响过以后，门终于开了。