人工智能在肿瘤筛查中的作用

⼈⼯智能在肿瘤筛查中的作⽤：让癌症早发现成为可能

癌症筛查是降低死亡率的关键，但传统筛查⽅式存在漏诊率⾼、依赖专家经验、效率低等问 题。近年来，⼈⼯智能（AI）凭借强⼤的图像识别、数据分析能⼒，在肿瘤筛查领域崭露头 ⻆，从肺结节检测到乳腺钙化灶识别，AI 正逐步成为医⽣的“得⼒助⼿”。了解 AI 在肿瘤筛 查中的具体应⽤、优势与挑战，能让我们更清晰地看到癌症早筛的未来⽅向。

⼀、AI 如何“看懂”肿瘤：筛查背后的技术逻辑

AI 在肿瘤筛查中的核⼼是通过“深度学习”模拟医⽣的诊断思维，甚⾄超越⼈⼯识别能⼒， 其技术路径主要包括：

• 图像识别：从“像素”中找“异常”

肿瘤筛查常依赖医学影像（如 CT、钼靶、肠镜图像），AI 通过学习数万张标注好的影像数 据（正常组织与肿瘤组织），总结肿瘤的视觉特征（如形状、边界、密度）。例如，肺结节在 CT 影像中可能只是⼏毫⽶的“⼩⽩点”，AI 能⾃动定位并分析其是否具有恶性特征（如分叶、 ⽑刺、胸膜牵拉），判断⻛险等级。

• 数据整合：多维度信息“交叉验证”

AI 可整合影像、病理、基因检测、临床数据（如年龄、吸烟史），构建综合筛查模型。例如， 在乳腺癌筛查中，AI 结合钼靶图像、乳腺超声、家族史、激素⽔平等数据，⽐单⼀影像判断 更精准，减少“假阳性”（将良性结节误判为恶性）。

• 动态监测：追踪“微⼩变化”

对随访患者，AI 能对⽐不同时间的影像（如年度 CT），计算结节⼤⼩、密度的细微变化（如 3 个⽉增⻓ 0.2 毫⽶），提示医⽣是否需要进⼀步检查。这种动态分析对早期肺癌、肝癌等缓 慢⽣⻓的肿瘤尤为重要，可避免漏诊。

⼆、AI 在常⻅肿瘤筛查中的“实战应⽤”

AI 已在多种肿瘤筛查中展现出实⽤价值，尤其在影像依赖性强的领域效果显著：

肺癌筛查：低剂量 CT 中的“⽕眼⾦睛”

低剂量螺旋 CT 是肺癌早筛的⾦标准，但常规筛查中，10%-30%的肺结节因体积⼩、特征不 典型被漏诊。AI 系统通过学习海量 CT 影像，能实现：

• ⾃动检出 95%以上的肺结节：即使是直径＜5 毫⽶的微⼩结节，AI 也能精准定位，

⽐⼈⼯阅⽚减少 30%的漏诊率；

• 精准判断良恶性：通过分析结节的 10 余种特征（如密度均匀性、边缘光滑度），AI

对肺结节的恶性预测准确率达 85%-90%，接近资深放射科医⽣⽔平；

• 优先标记⾼⻛险病例：在批量筛查中，AI 可⾃动将“疑似恶性结节”的影像排在前

列，让医⽣优先处理，提⾼效率。

2021 年《⾃然·医学》杂志研究显示，AI 辅助的肺癌筛查，使早期诊断率提⾼ 20%，患者 5 年⽣存率提升 15%。

乳腺癌筛查：钼靶图像中的“钙化灶识别”

乳腺钼靶筛查中，恶性肿瘤常伴随微⼩钙化灶（针尖⼤⼩的钙化点），⼈⼯识别易疲劳漏诊。 AI 的优势在于：

• 钙化灶检出率提升 25%：AI 能识别密集分布的微⼩钙化，区分良性（粗⼤、分散）

与恶性（细⼩、簇状）特征；

• 减少不必要活检：对 BI-RADS 3 类（可能良性）的病变，AI 结合随访数据预测恶

性概率，避免 20%-30%的过度活检；

• 适⽤于致密型乳腺：亚洲⼥性乳腺较致密，传统钼靶敏感性低，AI 结合超声数据

可提⾼筛查准确性。

结直肠癌筛查：肠镜图像中的“息⾁识别”

肠镜是结直肠癌早筛的“⾦标准”，但约 15%的腺瘤性息⾁（癌前病变）因隐藏在褶皱处被医 ⽣遗漏。AI 通过实时分析肠镜视频：

• 实时提醒“可疑区域”：当镜头扫过息⾁时，AI 在屏幕上标记并发出提示，减少 80%

的“盲区漏诊”；

• 区分息⾁类型：判断息⾁是增⽣性（低⻛险）还是腺瘤性（⾼⻛险），指导医⽣是

否需要切除；

• 提⾼检查规范性：AI 可监测肠镜检查的“肠道清洁度”“退镜时间”，确保筛查质量（退

镜时间不⾜ 6 分钟易漏诊）。

其他肿瘤筛查：从“⼩众”到“普及”

• ⽪肤癌：⼿机 APP 拍摄痣的照⽚，AI 对⽐数据库中⿊⾊素瘤的特征（不对称、边

界不规则），初步判断⻛险，适合基层或居家筛查；

• 肝癌：AI 分析超声图像和甲胎蛋⽩数据，对肝硬化患者的早期肝癌检出率⽐⼈⼯

⾼ 30%；

• 宫颈癌：AI 辅助宫颈涂⽚（TCT）检测，⾃动识别异常细胞，减少病理医⽣的⼯作

量，尤其在医疗资源匮乏地区作⽤显著。

三、AI 筛查的三⼤核⼼优势：弥补传统筛查短板

相⽐传统筛查，AI 的价值体现在效率、准确性、可及性三个维度：

• 提⾼效率，缓解“专家荒”

⼀名放射科医⽣阅完 100 例胸部 CT 需 4-5 ⼩时，⽽ AI 仅需 10 分钟，且可 24 ⼩时不间断⼯ 作。在基层医院，AI 能弥补医⽣经验不⾜的问题，让偏远地区患者也能享受⾼质量筛查（如 AI 辅助乡镇医院的 CT 阅⽚）。

• 降低漏诊与误诊，平衡“过度与不⾜”

⼈⼯筛查受疲劳、经验差异影响，漏诊率约 10%-20%，⽽ AI 通过标准化分析，漏诊率可降 ⾄ 5%以下；同时减少“假阳性”（如将乳腺良性纤维瘤误判为恶性），避免患者因不必要的活 检产⽣焦虑和创伤。

• 赋能“个性化筛查”

AI 可根据个⼈⻛险（如吸烟史、家族史）调整筛查策略。例如，对肺癌⾼危⼈群（吸烟 20 年以上），AI 会更严格地评估微⼩结节；对低⻛险⼈

刘洋

齐齐哈尔市第一医院北院区