不愿做腸鏡的上億中國人，終于等到這項腸癌無痛檢測術？

COCA界面。

撰文｜李珊珊

你的病歷系統里，大概率躺著這樣一張CT——某次體檢、某次腹痛、某次術前常規拍下的平掃影像。醫生看完了他該看的部分，片子就此存檔，再沒有人打開過。沒有人想過，這張舊片里還藏著另一重信息。

4月21日，歐洲腫瘤內科學會（ESMO）官方期刊《腫瘤學年鑒》（Annals of Oncology）刊發了阿里達摩院與廣東省人民醫院的最新研究，他們正式報告了一款名為DAMO COCA的醫療AI模型，能從最普通的平掃CT中識別結直腸癌及癌前病變——不加造影劑，不做腸道準備，不需要患者多走任何一步。兩萬余名患者的大規模驗證顯示，面向一般人群的版本特異性達到99.8%，面向高危人群的版本敏感度達到96%。

這已是達摩院第三個癌癥篩查AI模型。三年前，他們以胰腺癌為突破口，首次提出“平掃CT+AI”的癌癥篩查路線時，給醫學界帶來了震動。《自然·醫學》專門刊發評論文章，預言“基于影像AI的癌癥篩查即將進入黃金時代”。

指南強烈推薦的腫瘤篩查，為什么推不下去？

在所有威脅人類生命的惡性腫瘤中，結直腸癌或許是最讓人扼腕嘆息的。

醫生管她叫“懶癌”。從腸道內的一顆小息肉慢慢演變、惡化為腫瘤，它通常會留出5到10年的“干預窗口”。專家共識指出，只要在窗口期內通過腸鏡及時切除，早期腸癌的治愈率可超90%；而一旦延誤至晚期，5年生存率將斷崖式下跌至14%。

道理人人懂。結直腸癌是極少數被世界衛生組織及各國權威臨床指南明確推薦對一般風險人群進行普查的癌種，然而76%的結直腸癌死亡病例，發生在從未接受過篩查的人群中。

困局的根源不在認知，而在手段。被奉為“金標準”的結腸鏡，需要清腸、插管，在許多人心中近乎噩夢。糞便DNA檢測雖無創，每次千元的價格令普篩難以為繼。社區廣泛采用的糞便隱血檢測低成本、無創，卻不夠精準，尤其存在“查而不治”的轉化鴻溝。

吳庭玉是上海交通大學醫學院附屬新華醫院結直腸肛門外科副主任醫師，參加過上海市的腸癌篩查工作，他介紹說，即便在早篩體系相對成熟的上海，社區篩查覆蓋率雖已超過60%，但糞便篩查陽性后真正完成腸鏡隨訪的比例依然只有30%至40%。

“經常有患者出現便血卻誤以為是痔瘡，自己買藥硬抗。”吳庭玉說，“拖了半年甚至一年，直到腫瘤堵塞腸道或發生肝肺轉移才來就醫。那時治療難度已極大，很多人不得不面對‘造口’（改道排便）的殘酷現實。”

高致死率之外，結直腸癌的發生也呈現出年輕化趨勢。《柳葉刀》的數據顯示，過去十年間，30歲以下人群的結直腸癌發病率飆升了142%。美國癌癥協會已將一般風險人群的起篩年齡定為45歲；國內指南更是建議40歲即應開啟風險評估，高危人群更應從40歲起接受規律篩查。

人們迫切需要新的解法——真正“無感”的篩查：不需要喝瀉藥，不需要侵入性插管，不需要觸碰糞便，甚至能在一次普通的體檢或就診中順手完成。

不吃瀉藥，能找到腸癌嗎？

達摩院醫療AI團隊的資深算法專家、多癌篩查技術負責人張靈，幾年前就開始思考這個問題。彼時，他和團隊剛利用普通平掃CT，在幾乎沒有成熟篩查方案的胰腺癌上實現了破局，達到了92.9%的檢出敏感度。自然地，他將目光轉向了發病率與死亡率同樣居高不下的結直腸癌——中國每年新發病例超過51萬，死亡人數達24萬，僅次于肺癌。

轉機發生在一次學術會議上。張靈遇見了廣東省人民醫院影像科主任劉再毅——一位長期深耕CT影像組學的醫生科學家。“腸道病灶在平掃CT影像上極易被遺漏，亟需AI工具能幫助醫生解決這一痛點。”劉再毅說。

兩人在那次會面后達成共識：如果能用普通、廉價的平掃CT順帶實現“機會性篩查”，尤其是幫助患者在無需腸道準備的情況下發現健康隱患，將具備巨大的公共衛生價值。

設想是美好的，落地卻極其艱難。

“結直腸的范圍極大，幾乎橫跨整個腹部。”張靈解釋了腸癌獨有的技術挑戰。傳統CT結腸鏡檢查前，患者需要服瀉藥清腸、并向腸道充入大量氣體，影像中氣體呈黑色，腸壁呈灰色，黑白分明，腫瘤相對容易被識別。但他們要做的，是在沒有任何腸道準備的情況下，對普通患者日常拍攝的平掃CT進行分析——此時腸道內充滿食物殘渣與糞便，加之腸壁天然的褶皺和腫瘤極不規則的生長形態，想在如此龐大而雜亂的“黑盒”中精準揪出一處微小病變，無異于大海撈針。

團隊將研發重心壓在了腸道結構的精準識別與分割上。這一基礎性突破打磨了算法的骨架，也讓他們在醫學影像領域的國際頂會MICCAI上占得了一席之地。DAMO COCA，由此開始成形。

審稿人的靈魂拷問：能檢測癌前病變嗎？

模型初步成型后，研究團隊為它設計了嚴苛的測試。

首先是人機對壘——10位不同年資的放射科醫生參與閱片測試，結果COCA的敏感性比醫生平均水平高出整整20.4%。緊接著，為了檢驗泛化能力，團隊拿出國際其他醫院的1500余份CT進行盲測，甚至“刁鉆”地混入了1200余份胸部CT——考驗模型能否在非腹部專項檢查中，順藤摸瓜地發現腸道異常。所有關卡，COCA均順利通過。

然而，真正的考驗來自論文提交之后。

歷經三年多打磨，這項成果被送至國際腫瘤學界最具權威性的學術期刊之一《腫瘤學年鑒》（最新影響因子65.4）。審稿人問了一個意料之外的問題：“你們的模型，能不能檢測癌前病變？”

“那個提問讓我們重新想了很多”，張靈至今記得那個問題。審稿人敏銳地指出，結直腸癌與其他腫瘤有一處根本不同：它是臨床指南明確推薦進行大規模人群篩查的癌種。因此，一個真正具有公共衛生價值的AI，不能僅僅滿足于“找到已成型的癌”，還必須有能力識別出那些尚未成癌、卻隨時可能越過臨界點的早期腺瘤。

這一追問，成為整個模型重構的轉折點。團隊在論文的補充實驗階段，將COCA創造性地一分為二，演化出兩個面向截然不同應用場景的版本。

第一個版本，是高特異性模型，面向全人群的“機會性篩查”，利用患者因其他病情拍CT的契機，順帶完成一次防癌掃描。對于那些因闌尾炎或腎結石偶然做了腹部CT的普通人，核心訴求只有一條：絕不能引發不必要的恐慌，絕不能過度診斷。為此，該模型將特異性拉至驚人的99.8%，誤診率極低，同時保持86.6%的敏感性。

第二個版本，是被審稿人“逼”出來的高敏感性模型，專門面向45歲以上的平均風險人群，以主動篩查為目標。在臨床上，直徑1厘米以上的進展期腺瘤，是結直腸癌演變進程中最關鍵的中間狀態——若能在此階段及時發現并切除，患者幾乎可以實現完全治愈。為了捕捉這些細小而關鍵的早期病變，這版模型犧牲了少量的特異性，卻換取了極致的防漏診能力：敏感度從86.6%躍升至96%，漏檢病例數較初版本大幅壓縮了55%，尤其對3厘米以下的微小腫瘤，展現出了格外敏銳的捕捉能力。

這個被審稿人"逼"出來的版本，反而成為了整篇論文最有力的支點之一。

2.7萬張CT和5個令人扼腕的病例

一切就緒之后，模型終于走出實驗室。

團隊將AI部署進兩家醫院的日常臨床工作流，對27,433名因各種原因前來就診的患者，展開了連續篩查。沒有刻意挑選的病例，沒有特別準備的影像，每一張CT都帶著真實世界的隨機性與復雜干擾。就在這樣的條件下，AI模型捕捉到了5例被人類醫生漏診的早期腸癌——每一例，都本可更早開始治療。

其中兩個案例，尤其令人難以平靜。

一名在2024年才確診為腸癌的患者，研究人員調取其2023年的CT影像時，COCA在那張無人注意的片子上發出了預警——整整提前了一年。

第二個更令人扼腕。這名患者連續兩年在醫院拍了腹部平掃CT，卻因為每次就診的原因都與腸道無關，兩次影像上的結直腸區域異常均被人類醫生遺漏，無人察覺。直至第三年，他才經由腸鏡最終確診——但此時，腫瘤已較先前明顯進展增大。

AI目前仍有其局限性。論文指出，部分被標記的“假陽性”其實是潰瘍性結腸炎、克羅恩病等其他具有臨床意義的真實腸道病變。雖然AI敏銳地察覺了“異常”，但尚且無法完美區分“癌”與“炎”及其他腸道疾病。不過在臨床看來，這并非壞事，因為這些腸道疾病同樣需要醫生的后續干預。事實上，構建高質量的標注數據集，以達到對AI標出的異常進行細分診斷的目標，已列入了研究團隊下一階段的工作計劃。

對于COCA目前的表現，國家癌癥中心、醫科院腫瘤醫院流行病學專家陳萬青評價說：“很有意義，從目前文章的數據來看，敏感性和特異性都很不錯，很有發展前景。”他尤其指出，這樣的醫療AI對中國廣大基層醫療體系的價值或許最為深遠——那些缺乏識別早期癌變經驗的醫生、缺少內鏡等硬件設備的基層醫院，恰恰是早篩防線最薄弱的地方，也正是AI最能填補空白、發揮作用的地方。

張靈也強調：“DAMO COCA不是為了替換腸鏡，而是希望擴大篩查覆蓋面，篩出高風險人群，推動更多有需要的人去做腸鏡等檢查。”

從質疑到黃金時代：一個正在張開的防護網

圖源：AI and imaging-based cancer screening

COCA在真實世界中張開的這張生命過濾網，并非一蹴而就。它是達摩院醫療AI團隊沿著“平掃CT+AI”路線，連續四年積累的第三個里程碑——從胰腺癌的DAMO PANDA，到胃癌的DAMO GRAPE，再到今天的結直腸癌DAMO COCA。

這條路線最初并不被看好。用普通平掃CT做癌癥篩查，一度被視為不可能。但扎實的多中心臨床驗證改變了外界的判斷，目前，這條路線的相關研究，僅發表在《自然·醫學》（Nature Medicine）上的就有三篇。去年4月，DAMO PANDA獲得美國FDA“突破性醫療器械”認定，成為中國頭部科技企業在這一領域獲得的首個國際級背書。

更重要的轉變發生在方法論層面。三種癌癥驗證之后，這不再是單個模型的成功，而是一條技術路線的成立。“達摩院已經跑通了‘平掃CT+AI’多癌篩查的原創技術路線——用一次掃描，識別多種癌癥”，張靈說。目前，胰腺癌、胃癌、腸癌、肝癌、食管癌這消化系統五大高發癌種均已納入系統的覆蓋范圍——五種模型同時運行，只要CT掃描覆蓋了相關臟器，所有模型的結果一次性給出。

這也意味著，在Grail所代表的液體活檢路線之外，“平掃CT+AI”正在成為另一條擁有高水平循證支撐的多癌篩查路徑。兩者的邏輯不同：液體活檢依賴血液中的分子信號，檢測成本高，對患者配合度要求也高；而平掃CT本身就是臨床常規檢查，不增加額外費用和輻射，在中國基層醫療體系中落地，門檻要低得多。

這套系統已經走出論文，在真實的醫療體系中扎根，已在寧波、嘉興等地的醫院篩查數十萬人，發現了上百起原本可能漏掉的癌癥病例。2026年正式啟動的“四大慢病”國家科技重大專項——胰腺癌發病機制與臨床精準診療新范式研究更是重點采用了這項技術，正在上海等多地開展大范圍的社區篩查。

數字背后是一個個具體的人，寧波一位退休的磚瓦工因為糖尿病做了腹部CT，被AI檢查出早期胰腺腫瘤，這引起了《紐約時報》整版報道，因為他僅花了“25美元”就撿回一條命，這讓不少美國讀者感覺不可思議。

這些媒體傳播的故事有一個共同特征：患者從來不是為了篩癌而來的。

這正是"機會性篩查"的核心——利用患者因其他疾病已經拍過的CT，在后臺靜默運行AI分析，患者全程無感。不增加額外的檢查，不增加輻射暴露，不增加費用。吳庭玉用一句話概括了其邏輯："CT有輻射，不適合拿來做常規篩查。但機會性篩查不同——患者做CT的目的不是篩查，是治別的病。AI抓住這次寶貴的CT機會，順手多做一次癌癥篩查，不增加患者的輻射風險。"

在實際部署中，系統嵌入醫院的PACS影像歸檔系統或直接對接CT設備。醫生正常閱片，模型在后臺同步運行。一旦發現疑似病變，彈出預警，標注可疑區域的位置、大小與概率評估，由醫生結合臨床信息決定是否轉診。整個過程中，患者甚至不知道自己剛剛被篩查了一次。

癌癥篩查的未來

對于癌癥篩查這些進展，陳萬青保持了學者的審慎。他肯定COCA“很有意義，從目前文章的數據來看，敏感性和特異性都很不錯，很有發展前景”，同時強調，“目前呈現的還都是回溯數據，前瞻性驗證、以及與腸鏡進行頭對頭的對照研究，仍然是必要的”。

談到癌癥篩查更長遠的圖景，陳萬青表示，未來的癌癥篩查體系，將是影像數據、基因組學、代謝組學、轉錄組學與宏觀流行病學數據的全面整合——多來源、多模態，共同織成一張更精密的防護網。而在這張網中，影像與AI的結合，將是一個重要的節點。

一切仍在完善之中，但方向已經清晰。從胰腺到胃，再到腸道，從一種癌到五種癌，這條由中國團隊開創的技術路線正在以可見的速度從論文走向臨床，從實驗室走進社區衛生院。