胰腺癌，因其极低的早期诊断率，长久以来被冠以“癌症之王”的称号。
临床数据显示，超过80%的胰腺癌患者，在确诊时已步入中晚期，错失了手术的黄金窗口，全球胰腺癌患者5年生存率仅约10%。
如今，胰腺癌“发现即晚期”的困局，正被我国的一项AI筛查技术改变。
1月2日，有媒体发布题为《在中国，AI正在发现医生可能漏掉的致命肿瘤》的报道。报道讲述了一个普通退休泥瓦匠的就医经历，他仅花费了约25美元（约合174元人民币）做了一项普通的平扫CT，就被AI（人工智能）查出了早期胰腺癌。该报道评论区里有网友吐槽：在美国，平扫CT价格高达数百美元，25美元只够付停车费。
医生都看不出来的病，AI是如何发现的？
每经媒资库图
近日，《每日经济新闻》记者在宁波和嘉兴，对上述报道中的主角——邱先生和相关医生进行了采访。
“多数CT片无异常，是AI报警了”
家住浙江宁波的57岁邱先生对《每日经济新闻》记者回忆称：2025年8月，其因患糖尿病，在宁波大学附属人民医院做了一次常规检查，并拍摄了腹部平扫CT。午饭时，他接到医院打来的电话：“你的胰腺可能有点问题，需要进一步检查。”电话那头是该院的副院长、肝胆胰外科主任医师朱柯磊。
据邱先生介绍，医生在电话里并未明说是什么问题，但其心里清楚“肯定不是好消息”。其迅速做了增强核磁共振检查（MRI），并于第二天接受了微创手术。朱柯磊医生还告诉邱先生，“你和乔布斯得了一样的病，但你比乔布斯幸运得多”。
邱先生进一步介绍称，手术后第九天，其就出院了，经医保报销后，其自付了12000~14000元医疗费。
邱先生告诉《每日经济新闻》记者，当时，其身体没有任何不适，也从未想过会与胰腺癌扯上关系。
据《每日经济新闻》记者了解，救了邱先生一命的，是阿里巴巴达摩院研发的胰腺癌AI早筛模型——PANDA。该AI模型从邱先生那张看似并无异常的平扫CT影像中，捕捉到了癌变的迹象。
朱柯磊医生向《每日经济新闻》记者介绍称，自2024年11月PANDA模型在宁波大学附属人民医院部署以来，已经分析了超过18万张CT影像，帮助医生发现了24例胰腺癌病例，其中14例为早期。在这14例早期患者中，有11人的平扫CT报告无异常提示，经AI预警召回后，进一步检查才得以确诊。
“AI救了他们的命。”朱柯磊说，“他们都是因为其他疾病来院检查，并没有看胰腺专科，大多数人的CT片也没有显示异常，最后是AI报警了。”
“医生没看出，AI怎么标注”
2021年，阿里巴巴达摩院医疗AI团队确立“平扫CT+AI”筛查胰腺癌方向时，也面临着质疑——医生都看不出来，AI怎么标注？怎么训练模型？
朱柯磊医生向《每日经济新闻》记者解释称，临床上用于腹部检查的CT分为平扫CT和增强CT。增强CT需患者注射造影剂，可以更清晰地显示器官和病灶，但成本较高、操作相对复杂，且造影剂可能引发过敏反应，通常仅用于有明确诊断目的的病人。
据《每日经济新闻》记者了解，平扫CT成本低廉、应用广泛，是普通体检和门诊中最常用的影像学检查手段之一。
然而，由于胰腺与周围组织对比度低，在平扫CT影像上难以看清。微小的早期肿瘤更是如同“隐形”一般，极难被人眼发现。因此，“平扫CT无法用于早期胰腺癌筛查”曾是放射科的普遍共识。
达摩院医疗AI肿瘤早筛和影像智能的算法负责人张灵对《每日经济新闻》记者解释称，CT影像本质上是一串从“-1024”到“1024”的连续数值，不同数值对应不同密度的组织。许多细节超出了人眼的分辨极限，但理论上可以通过数据和算法进行分辨。
为此，达摩院医疗AI肿瘤早筛和影像智能相关团队想出了一个“迂回战术”。他们收集了数千例胰腺癌患者的数据，先由有经验的医生在对比度清晰的增强CT影像上精确标注出病灶位置，再利用图像配准技术，将这些标注信息精准地“映射”回同一位患者的平扫CT影像上。
据《每日经济新闻》记者了解，经过近两年训练，PANDA模型学会了识别平扫CT影像上那些微妙的密度变化、纹理异常和结构扭曲——这些特征虽难以被肉眼察觉，却是早期胰腺癌的蛛丝马迹。
2023年11月，公开发表在国际顶尖期刊《自然·医学》上的论文数据显示，PANDA模型筛查胰腺癌的敏感性（识别出有病灶的能力）达到92.9%，特异性（排除无病灶者的能力）高达99.9%。这意味着，AI不仅能“揪出”绝大多数病患，还能避免大规模的“虚假报警”。
2025年4月，美国食品药品监督管理局（FDA）授予PANDA模型“突破性医疗器械”（Breakthrough Device Designation）认证。
“模型研发，离不开医生反哺”
尽管PANDA模型在实验室中的特异性高达99.9%，但在复杂的真实临床应用中，从AI发出预警到患者最终确诊，中间仍隔着重重关卡。
《每日经济新闻》记者在走访中发现，技术本身的局限性、无法完全规避的“假阳性”问题，以及由此引发的医患沟通壁垒，构成了AI早筛落地所面临的考验。
嘉兴市第二医院大外科主任沈亦钰对此深有体会。沈亦钰向《每日经济新闻》记者表示，“AI早筛不等于诊断”。
据记者了解，嘉兴市第二医院每天600至700人次的CT检查数据，都会经AI模型分析，每天约20份存在胰腺潜在问题的影像会被筛选出来。放射科和肝胆胰外科要对这些疑似患者进行两轮人工复核，才能确定复查名单。
“现在，我会花大量时间想办法如何把病人召回。”沈亦钰向《每日经济新闻》记者坦言，起初，他和团队成员尝试用个人手机直接给患者打电话，结果“一大半病人直接把电话挂了”，误以为是骚扰或诈骗电话。
沈亦钰进一步介绍称，最初，医生在电话里直截了当地告知对方“你的胰腺有问题，需要回来复查”，但患者往往反应激烈，有些患者甚至直接质疑医院是为了“创收”“骗钱”。为了提高信任度，其团队系统性地改进了沟通流程，医院还专门设立了咨询电话和专管员，负责解答患者的疑问。
但即便如此，沈亦钰表示，复查召回率的提升，依旧十分缓慢。
沈亦钰提供的数据显示，经AI筛查和人工复核后，需要复查的患者中，最初只有约10%会返院。经过一年多的流程优化，到2025年底，这个比例提升到了25%。“我们筛出来1300多位需要复查的患者，最终来的只有300多个人。”沈亦钰如是表示。
当《每日经济新闻》记者追问，在实际应用中，PANDA模型是否会产生“假阳性”问题时，医生都表现得较为谨慎。
对此，有业内知情人士向《每日经济新闻》记者坦言，考虑到胰腺癌的发病率，理论上，PANDA模型仍存在少量“假阳性”的可能。“‘假阳性’不仅会引发患者不必要的恐慌，还可能造成医疗资源的浪费。至于PANDA模型在实际场景中的阳性预测值究竟能达到何种水平，还需要较长周期的数据积累。”
除了“假阳性”风险和沟通难题，技术本身也并非尽善尽美，仍有迭代空间。
上述业内知情人士进一步透露，当前，PANDA模型的核心技术路径仍聚焦于计算机视觉（CV）领域，尚未实现多模态数据的深度融合。
“现在，整个AI行业都在向多模态方向发展，这也是我们未来的核心探索方向。”该知情人士表示，如果能将患者的CT影像数据，与其病历、生化指标等多维度信息整合起来，系统的判断准确率才能得到进一步提升。
此外，该知情人士还强调，目前，PANDA模型的能力发挥，也高度依赖于使用它的医生。在一个专业能力强、经验丰富的医生手中，PANDA能成为强大的辅助工具。但如果将其普及到经验相对不足的基层医院医生手中，其效果可能会打折扣。
事实上，据记者了解，“模型的研发，也离不开医生的持续反哺”。从最初只能提供红绿黄三色风险提示和简单病灶勾画的1.0版本，到能够更好地区分胰腺炎与其他病变的2.0版本，正是在临床医生的反馈、纠正和建议下，达摩院医疗AI肿瘤早筛和影像智能相关团队才得以不断优化算法，让系统功能更贴合临床实际需求。即便到了现在，PANDA模型依然是一个需要在真实世界应用中不断学习和迭代的系统。
“病人不到医院，AI无从发现风险”
胰腺癌AI早筛除了能挽救生命，还能为患者节省不菲的医疗费。
沈亦钰医生给《每日经济新闻》记者算了一笔账：早期胰腺癌患者从手术到康复，医保报销前费用约数万元。晚期胰腺癌患者确诊时多已错失手术机会，治疗费用以几十万元、上百万元计，且疗效有限，患者中位生存期不到一年。这对家庭、医保基金和整个社会而言，都是沉重的负担。
“如果我说有一种针，打一针可能让你的亲人寿命延长三四个月，但一针要花100万元，你会不会卖掉一套房子硬着头皮也要打？”沈亦钰向《每日经济新闻》记者发出这样的“灵魂拷问”。胰腺癌足以让一个普通家庭“因病返贫”，关键还治不好。
朱柯磊医生进一步指出，AI早筛可大幅提高一些病症的早期发现率，降低整体治疗成本，“这笔经济账是完全能算出来的”。
不过，当前，AI筛查仍属于“机会性筛查”，即只有当患者因其他疾病到医院拍摄CT时，AI才能发挥作用。
“病人不到医院，AI就无从发现风险。”朱柯磊提出，未来，可以将AI预警模型直接部署在区域性健康大数据平台上。
据《每日经济新闻》记者了解，朱柯磊所在的宁波市鄞州区，是全国最早建立居民健康大数据库的地区之一。该数据库汇集了140多万常驻人口的健康数据。
朱柯磊表示，“把病人影像数据、血液数据和肿瘤指标数据整合起来，构建一个更精准的模型。”在此模式下，AI的角色将从“被动捕手”转变为“主动哨兵”。
例如，一位居民在浙江省内的任何一家医院检查血糖，数据显示其近期血糖突然升高，AI调取其健康档案，发现其胰腺曾有一个微小病灶。系统自动将这两个看似独立的信息进行整合分析，生成预警信息：“您的健康风险正在升高，请尽快到医院进行专项检查。”
朱柯磊强调，“这相当于为我们整个辖区的所有老百姓都装上一台报警器”。这种主动预警模式，将不再局限于单次CT检查，而是能对个体的多维度、跨时间和跨地域的健康数据进行持续监控和综合研判，从而在疾病发生前或极早期就发出预警。
翔云优配提示：文章来自网络，不代表本站观点。
