【CMT&CHTV 文獻精粹】
導語：本文分享了一項醫學AI領域突破性的研究成果，該研究通過平掃CT+AI實現了胰腺癌的大規模早期檢測。這項技術突破了傳統篩查的局限，為胰腺癌的早期診斷和治療提供了新的視角和可能性，對提高患者生存率和改善預後具有重大的臨床意義。
研究背景
胰腺癌，作為全球致死率最高的惡性腫瘤之一，其早期診斷的難題一直是醫學界的痛點。由於胰腺癌在早期往往缺乏明顯症狀，加之其生物學行為的複雜性，導致大多數患者在確診時已處於晚期，失去了手術機會。因此，尋找一種高效、準確的早期篩查工具，對於提高胰腺癌患者的生存率至關重要。然而，現有的篩查技術，如超聲內鏡(endoscopic ultrasound，EUS)和增強CT掃描，不僅成本高昂，而且具有一定的侵入性，限製了其在大規模人群中的應用。2023年12月，Nature Medicine雜誌發表了一篇題為“Large-scale Pancreatic Cancer Detection Via Non-contrast CT and Deep Learning”的文章，為這一領域帶來了突破性的進展。
研究方法
本研究是一項大型回顧性多中心研究，旨在開發並驗證一種基於平掃CT的深度學習模型——PANDA，用於胰腺癌的早期檢測和分類。研究納入了來自單一中心的3 208例患者的平掃CT數據集並進行訓練，並通過6 239例患者的多中心驗證隊列和20 530例患者的現實世界多場景驗證來評估模型的泛化能力和臨床適用性。主要評價指標包括模型的靈敏度、特異度、檢測率及對不同類型和階段胰腺病變診斷的準確性。
研究結果
胰腺癌篩查的新篇章：PANDA模型的高性能
本研究中，PANDA模型以其卓越的性能開啟了胰腺癌篩查的新篇章。在多中心驗證隊列中，PANDA模型展現了極高的靈敏度和特異度，其在病變檢測上的受試者工作特征曲線下麵積為0.986～0.996(圖1)，靈敏度為93.3%，特異度為98.8%。這一結果不僅證實了PANDA模型在胰腺病變檢測上的高性能，也預示著其在臨床應用中的巨大潛力。
PANDA模型對PDAC的精準識別
對於最為致命的胰腺導管腺癌(pancreatic ductal adenocarcinoma，PDAC)，PANDA模型的識別能力同樣令人印象深刻。在PDAC患者亞組中，PANDA模型的檢出率達到了96.5%，對於早期PDAC(T1階段)其靈敏度高達92.2%。這表明PANDA模型能夠有效識別出早期PDAC，為患者提供了更多的治療機會。
PANDA模型在不同病變亞型中的泛化能力
除了PDAC，PANDA模型在其他7種非PDAC病變亞型(包括胰腺神經內分泌腫瘤、實性假乳頭狀腫瘤等)的分類上也顯示出了較高的準確性，其在多中心外部測試隊列中的分類準確度達到了81.4%。這一結果證明了PANDA模型不僅在單一病種上表現出色，更具備了對多種胰腺病變進行分類的能力。
PANDA模型在現實世界多場景中的應用潛力
在現實世界的多場景驗證中，PANDA模型對20 530例患者的檢測結果顯示，其靈敏度為92.9%，特異度為99.9%。這一結果進一步證實了PANDA模型在不同臨床場景下的穩定性和可靠性，無論是在體檢中心、急診、門診，還是在住院部，PANDA模型均能提供準確的篩查結果。
PANDA模型對臨床實踐的影響
PANDA模型的這些結果對臨床實踐具有深遠的影響。首先，它提供了一種無創、低成本、高效率的胰腺癌篩查方法，有助於提高胰腺癌的早期診斷率。其次，PANDA模型的高特異性減少了不必要的後續檢查，降低了患者的醫療負擔。最後，PANDA模型的泛化能力意味著其可以在不同的醫療環境中使用，有助於縮小醫療資源分布不均帶來的診斷差異。
總結
本研究創新性地將深度學習技術應用於平掃CT的胰腺癌篩查，突破了傳統影像學的限製。PANDA模型的高靈敏度和特異度，為胰腺癌的早期發現和治療提供了可能，尤其對於那些在常規診斷技術下容易被遺漏的早期和可手術切除階段的惡性腫瘤。此外，PANDA模型的泛化能力得到了多中心驗證，證明了其在不同臨床場景下的適用性。這項研究不僅推動了醫學影像學和腫瘤學領域的技術進步，更為全球胰腺癌患者的早期診斷和治療帶來了希望。
參考文獻
CAO K, XIA Y, YAO J, et al. Large-scale pancreatic cancer detection via non-contrast CT and deep learning[J]. Nat Med, 2023, 29(12): 3033-3043. DOI: 10.1038/s41591-023-02640-w.
編輯：石頭
二審：清揚
三審：碧泉
排版：半夏
