💡 站外导读：胃癌是全球高发恶性肿瘤，早期症状隐匿导致诊断率低，传统胃镜筛查侵入性强、依从性差，大量患者错失最佳治疗时机。与此同时，AI医疗影像技术正以前所未有的速度重塑诊断范式。DAMO GRAPE的诞生，标志着AI正式突破“平扫CT无法识别胃癌”的传统认知边界，以非侵入、高效率的方式，将早期胃癌筛查推进至规模化应用临界点。
DAMO GRAPE是什么
DAMO GRAPE是浙江省肿瘤医院与阿里巴巴达摩院联合推出的全球首个基于平扫CT识别早期胃癌的AI模型。DAMO GRAPE突破传统影像学限制，基于深度学习分析非增强CT影像，实现对胃癌的高效筛查。在大规模临床研究中，DAMO GRAPE展现出85.1%的敏感性和96.8%的特异性，显著优于人类放射科医生。模型能提前6个月发现早期胃癌病灶，为胃癌的早期诊断和治疗提供新的高效手段，有望大幅提高胃癌患者的生存率。
阅读目录
DAMO GRAPE的主要功能
- 早期胃癌筛查：DAMO GRAPE基于分析非增强CT影像，识别早期胃癌病灶，显著提高胃癌的早期检出率。
- 辅助诊断：为影像医生提供辅助诊断支持，帮助提高诊断的准确性和效率，减少漏诊和误诊的可能性。
- 风险评估：对患者进行胃癌风险评估，识别出高风险人群，便于进一步进行胃镜检查等确诊手段。
- 早期预警：在患者尚未出现明显症状时，提前发现潜在的胃癌病灶，为早期治疗争取宝贵时间。
DAMO GRAPE的技术原理
- 深度学习算法：DAMO GRAPE基于深度学习技术，用大量的胃癌和非胃癌的CT影像数据进行训练，学习胃癌病灶的特征和模式。
- 多中心数据集：基于全球规模最大的胃癌平扫CT影像多中心数据集（6720例），涵盖不同地区、不同设备的数据，提高模型的泛化能力。
- 图像分割与分类：模型联合分割和分类网络，先对CT影像进行胃部区域的分割，再对分割后的区域进行肿瘤检测和分类，输出胃癌风险评分和分割掩码。
- 特征提取与识别：分析CT影像中的微小变化和模式，如胃壁厚度、胃黏膜异质性等，识别早期胃癌病灶，突破传统影像学的限制。
- Grad-CAM可视化：基于Grad-CAM技术对模型的决策过程进行可视化，帮助医生理解模型的判断依据，增强模型的可解释性。
DAMO GRAPE的项目地址
- 技术论文：https://www.nature.com/articles/s41591-025-03785-6
DAMO GRAPE的应用场景
- 大规模人群筛查：在体检中心和基层医院，对大量人群进行胃癌初筛，提前发现潜在患者，提高早期胃癌检出率。
- 辅助医生诊断：为放射科医生提供辅助诊断工具，帮助更准确识别胃癌病灶，减少漏诊和误诊，提升诊断效率。
- 高风险人群监测：针对胃癌高发地区居民及有家族史、慢性胃病等高危人群，进行定期筛查，提前发现病变。
- 早期预警干预：在患者无明显症状时，提前发现潜在胃癌病灶，为早期治疗争取时间，提高患者生存率和生活质量。
- 医疗资源优化：在分级诊疗体系中，合理分配医疗资源，提高医疗效率，同时为医学研究和教学提供数据和工具支持。
📝 站长洞察 (Editor’s Insight)
DAMO GRAPE不仅是一个技术突破，更是AI医疗从辅助诊断迈向主导筛查的里程碑。它证明了深度学习能够从常规平扫CT中挖掘出人眼难以捕捉的微观病理特征，这背后是多中心大数据与算法创新的双重胜利。从行业趋势看，AI医疗影像正经历三重跃迁：从单病种到多病种覆盖，从三甲医院下沉至基层筛查，从辅助工具升级为临床决策核心。DAMO GRAPE的落地，将加速医疗资源的平权化进程，尤其在胃癌高发地区。未来，结合大语言模型与多模态数据，AI驱动的主动健康管理系统或将重新定义‘早期发现’的时空维度。
