DAMO GRAPE:阿里达摩院联合浙江肿瘤医院推出的早期胃癌识别模型

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

主要介绍

DAMO GRAPE是阿里达摩院与浙江省肿瘤医院联合研发的全球首个胃癌影像筛查AI模型，于2025年6月25日正式发布。该模型首次实现利用平扫CT影像识别早期胃癌病灶，大幅提升了胃癌检出率，为胃癌防治提供了全新的解决方案。相关研究成果已登上国际顶级期刊《自然·医学》。

功能特点

1. 平扫CT识别早期胃癌：突破传统认知，首次利用非增强的普通CT影像识别早期胃癌，无需打造影剂，成本低、效率高。
2. 高敏感性与特异性：敏感性和特异性分别达到85.1%和96.8%，相比放射科医生分别提升21.8%和14.0%，有效降低漏诊和误诊风险。
3. 胃癌风险概率值：系统可给出胃癌风险概率值，目前设定的阈值为59.7%，高于此值即为高危，需进一步做胃镜检查。
4. 胃部结构分割与高亮显示：AI可在短时间内自动分析CT影像，分割出胃部结构（轮廓），并在怀疑有癌变区域用红色高亮显示。
5. 提前发现胃癌病灶：研究显示，AI模型可提前2到10个月发现胃癌，为患者争取宝贵的治疗时间。

优缺点

优点：

• 无创便捷：患者无需提前做任何准备，只需在做CT时额外做一个腹部平扫CT检查，全程无创、无感。
• 高效初筛：大幅“浓缩”胃癌高危人群，降低胃镜检查的依从性门槛，提高筛查效率。
• 高检出率：在两家地区医院的模拟机会性筛查试验中，胃癌检出率分别达到24.5%与17.7%，且检出病例中约40%为无症状胃癌患者。

缺点：

• 依赖CT影像质量：平扫CT影像的清晰度和质量可能影响AI模型的识别准确性。
• 仍需胃镜确诊：平扫CT+AI方式更多应用于癌症的早筛环节，胃癌确诊的金标准依旧是胃镜。

如何使用

1. 医疗机构部署：DAMO GRAPE模型可搭建在医疗机构的PACS系统（影像归档和通信系统）内，实时监控、进行机会筛查。
2. 患者筛查流程：患者在进行腹部平扫CT检查时，AI模型自动分析影像，给出胃癌风险概率值。若风险值高于阈值，则建议患者进一步做胃镜检查。
3. 大规模筛查：依托DAMO GRAPE模型，可在胃癌高发区开展大规模人群胃癌筛查，提高早期胃癌的发现率。

框架技术原理

1. 多中心数据集构建：联合团队构建了国际上规模最大的胃癌平扫CT影像多中心数据集，克服了胃部形态变化大、内部内容物干扰、早期病灶限于黏膜层等挑战。
2. 深度学习算法：采用先进的深度学习算法，对大量胃癌平扫CT影像进行训练，使AI模型具备识别早期胃癌病灶的能力。
3. 影像特征提取：AI模型通过提取CT影像中的特征信息，如胃部形态、密度变化等，来判断是否存在胃癌风险。

创新点

1. 首次利用平扫CT识别早期胃癌：突破传统影像学限制，实现了用非增强的普通CT识别胃癌的可能性。
2. 提出“平扫CT+AI”胃癌筛查新模式：先用AI对腹部平扫CT检查患者进行初筛，再对高风险人群通过胃镜确诊，提高了筛查效率和准确性。
3. 填补影像检查中机会性发现早期胃癌的空白：DAMO GRAPE模型有望在患者无症状阶段发现胃癌，为早期治疗提供可能。

评估标准

1. 敏感性与特异性：敏感性和特异性是评估AI模型性能的重要指标。DAMO GRAPE模型的敏感性和特异性分别达到85.1%和96.8%，表现出色。
2. 胃癌检出率：在模拟机会性筛查试验中，胃癌检出率分别达到24.5%与17.7%，显著高于传统筛查方法。
3. 无症状患者检出比例：检出病例中约40%为无症状胃癌患者，体现了模型在早期发现胃癌方面的优势。

应用领域

1. 胃癌早筛：适用于胃癌高发区的人群筛查，提高早期胃癌的发现率。
2. 临床辅助诊断：辅助影像医生提升敏感性，降低漏诊和误诊风险。
3. 医学研究：为胃癌的发病机制、诊断方法等研究提供有力支持。

项目地址

• 技术论文：https://www.nature.com/articles/s41591-025-03785-6