阿里达摩院发布 COCA 模型：用普通 CT 扫描无创筛查结直肠癌

阿里达摩院联合广东省人民医院等多家机构，开发了一种名为 COCA（Colorectal Cancer detection with AI）的深度学习模型，能够利用常规非对比增强 CT 扫描检测结直肠癌，无需肠道准备或特殊筛查检查。

为什么需要新方法

结直肠癌是全球癌症死亡的二号杀手，早期筛查至关重要——早期发现的患者 5 年生存率高达 90%，但约 76% 的结直肠癌死亡发生在未按时筛查的人群中。现有的结肠镜和 CT 结肠造影虽然有效，但肠道准备复杂、侵入性强、患者依从性低，导致大量人群放弃了筛查。

COCA 的思路很直接：既然中国每年已经有海量的常规 CT 检查（体检、外伤评估等），为什么不直接从这些已有的影像数据中「顺便」筛查结直肠癌？

核心技术：联合分割与分类

COCA 采用“先定位后诊断”的架构——一部分负责在复杂的肠道区域中精准圈出可疑病灶，另一部分判断该病灶是否为恶性。两个任务互相增强：定位信息帮助诊断更准确，诊断反馈反过来优化定位精度。

研究团队针对非对比增强 CT 图像中肠道内容物干扰大的问题做了专门优化，特别训练了小于 3 厘米的早期肿瘤检测能力。

临床验证数据

研究分为三个阶段：

模型开发阶段：纳入 1,321 名结直肠癌患者和 1,357 名健康对照，来自两个中心。

多中心验证阶段：在六个国际中心的 2,053 名患者中验证，COCA 的 AUC 在 0.967 至 0.996 之间。与 10 名不同经验水平的放射科医生对比，COCA 的敏感度高 20.4%，特异性高 5.4%。作为 AI 辅助诊断工具使用时，放射科医生的平均敏感度提升了 14.5%，特异性提升 3.1%。

真实世界验证：在两个独立队列中——9,016 名连续患者中达到 88.2% 敏感度和 99.5% 特异性；18,427 名患者中保持 86.6% 敏感度和 99.8% 阳性预测值（假阳性率仅 0.2%）。COCA 还成功识别出 5 例此前被医生漏诊的结直肠癌病例。

达摩院「平扫 CT + AI」技术路线

COCA 是达摩院发布的第三个癌症筛查 AI 模型，此前已有用于胰腺癌筛查的 DAMO PANDA 和用于胃癌筛查的 DAMO GRAPE，相关研究发表在 Nature Medicine。达摩院的「平扫 CT + AI」技术路线已覆盖胰腺、胃、结直肠、肝、食管五大消化系统癌症，并正在拓展至乳腺癌、肾癌等。

论文发表在 Annals of Oncology（影响因子 65.4），欧洲肿瘤内科学会官方期刊。

来源：Annals of Oncology · Alibaba Cloud