检查糖尿病却查出胰腺癌！仅凭百元CT揪出“癌症之王”，医生没看出来的病，AI是怎么发现的？

胰腺癌，因其极低的早期诊断率，长久以来被冠以“癌症之王”的称号。

临床数据显示，超过80%的胰腺癌患者在确诊时已步入中晚期，错失了手术的黄金窗口。全球胰腺癌患者五年生存率仅约10%。

如今，胰腺癌“发现即晚期”的困局，正被我国的一项AI筛查技术改变。

1月2日，《纽约时报》发布2026年首篇中国报道，题为《在中国，AI正在发现医生可能漏掉的致命肿瘤》。整版讲述了一个普通退休泥瓦匠的就医经历，他仅花费了约25美元（约人民币174元）做了一项普通的平扫CT，就被AI查出了早期胰腺癌。该报道评论区里的美国网友吐槽：在美国，平扫CT价格高达数百美元，25美元只够付停车费。 

医生都看不出来的病，AI怎么发现的？近日，《每日经济新闻》记者（以下简称每经记者）在宁波和嘉兴，对报道主角邱先生和相关医生进行了采访。

 图片来源：《纽约时报》截图

“你和乔布斯得了一样的病，但你比他幸运”

浙江宁波57岁的邱先生对每经记者回忆称，2025年8月，自己因患糖尿病，在宁波大学附属人民医院做了一次常规检查，并拍摄了腹部平扫CT。

午饭时，他接到医院打来的电话：“你的胰腺可能有点问题，需要进一步检查。”

电话那头是该院的副院长、肝胆胰外科主任医师朱柯磊。医生在电话里并未明说是什么问题，但邱先生心里清楚“肯定不是好消息”。

邱先生迅速做了增强核磁共振检查（MRI），并于第二天接受了微创手术。

朱柯磊医生告诉邱先生：“你和乔布斯得了一样的病，但你比乔布斯幸运得多。”

手术后第九天，邱先生出院。经医保报销后，他自付了12000～14000元医疗费。

朱柯磊医生 图片来源：受访者提供

邱先生告诉每经记者，当时自己身体没有任何不适，也从未想过自己会与胰腺癌扯上关系。

救了邱先生一命的，是阿里巴巴达摩院研发的胰腺癌AI早筛模型PANDA。该AI模型从他那张看似并无异常的平扫CT影像中，捕捉到了癌变的迹象。

PANDA系统界面 图片来源：每经记者 郑雨航 摄

朱柯磊医生向每经记者介绍，自2024年11月PANDA模型在宁波大学附属人民医院部署以来，已经分析了超过18万张CT影像，帮助医生发现了24例胰腺癌病例，其中14例为早期。这14例早期患者中，有11人的平扫CT报告无异常提示，经AI预警召回后进一步检查才得以确诊。

“是AI救了他们的命。”朱柯磊说。“他们都是因为其他疾病来院检查，并没有看胰腺专科，大多数人的CT片也没有显示异常，最后是AI‘报警’了。”

“医生都看不出来，AI怎么标注？”

2021年，阿里巴巴达摩院医疗AI团队确立“平扫CT+AI”筛查胰腺癌方向时，也面临着质疑：“医生都看不出来，AI怎么标注？怎么训练模型？”

朱柯磊医生向每经记者解释，临床上用于腹部检查的CT分为平扫CT和增强CT。增强CT需患者注射造影剂，可以更清晰地显示器官和病灶，但成本较高、操作相对复杂，且造影剂可能引发过敏反应，通常仅用于有明确诊断目的的病人。

而平扫CT成本低廉、应用广泛，是普通体检和门诊中最常用的影像学检查手段之一。

然而，由于胰腺与周围组织对比度低，在平扫CT影像上难以看清。微小的早期肿瘤更是如同“隐形”一般，极难被人眼发现。因此，“平扫CT无法用于早期胰腺癌筛查”曾是放射科的普遍共识。

增强CT（左）和平扫CT（右）对比图 图片来源：每经记者 郑雨航 摄

达摩院医疗AI肿瘤早筛和影像智能的算法负责人张灵对每经记者解释，CT影像本质上是一串从-1024到1024的连续数值，不同数值对应不同密度的组织。许多细节超出了人眼的分辨极限，但理论上可以通过数据和算法进行分辨。

为此，团队想出了一个“迂回战术”。

他们收集了数千例胰腺癌患者的数据，先由有经验的医生在对比度清晰的增强CT影像上精确标注出病灶位置，再利用图像配准技术，将这些标注信息精准地“映射”回同一位患者的平扫CT影像上。

经过近两年训练，PANDA模型学会了识别平扫CT影像上那些微妙的密度变化、纹理异常和结构扭曲——这些特征虽难以被肉眼察觉，却是早期胰腺癌的蛛丝马迹。

2023年11月，公开发表在国际顶尖期刊《自然•医学》上的论文数据显示，PANDA模型筛查胰腺癌的敏感性（识别出有病灶的能力）达到92.9%，特异性（排除无病灶者的能力）高达99.9%。这意味着AI不仅能“揪出”绝大多数病患，还能避免大规模的“虚假报警”。

2025年4月，美国食品药品监督管理局（FDA）授予PANDA模型“突破性医疗器械”（Breakthrough Device Designation）认证。

AI早筛不等于AI诊断，仍高度依赖专业医生

尽管PANDA模型在实验室中的特异性高达99.9%，但在复杂的真实临床应用中，从AI发出预警到患者最终确诊，中间仍隔着重重关卡。

每经记者在走访中发现，技术本身的局限性、无法完全规避的“假阳性”问题，以及由此引发的医患沟通壁垒，构成了AI早筛落地所面临的考验。

嘉兴市第二医院大外科主任沈亦钰对此深有体会。他向每经记者表示，AI早筛不等于诊断。

嘉兴市第二医院大外科主任沈亦钰 图片来源：每经记者 郑雨航 摄

该院每天约600至700人次的CT检查数据都会经AI模型分析，每天约20份存在胰腺潜在问题的影像会被筛选出来。放射科和肝胆胰外科要对这些疑似患者进行两轮人工复核，才能确定复查名单。

“我现在会花大量时间想办法如何把病人召回。”沈亦钰坦言。起初，他和团队成员尝试用个人手机直接给患者打电话，结果“一大半病人直接把电话挂了”，误以为是骚扰或诈骗电话。

最初，医生在电话里直截了当地告知对方“你的胰腺有问题，需要回来复查”，但患者往往反应激烈：“你傻了？你咒我生病！我肚子又不痛，你们医院出的报告也写着正常，凭什么叫我回来？”有些患者甚至直接质疑医院是为了“创收”“骗钱”。

为了提高信任度，团队系统性地改进了沟通流程，医院还专门设立了咨询电话和专管员，负责解答患者的疑问。

即便如此，复查召回率的提升依旧十分缓慢。

沈亦钰提供的数据显示，经AI筛查和人工复核后，需要复查的患者中，最初只有约10%会返院。经过一年多的流程优化，到2025年底，这个比例提升到了25%。“我们筛出来1300多位需要复查的患者，最终来的只有300多个人。”

当每经记者追问PANDA模型在实际应用中是否会产生“假阳性”问题时，医生们都表现得较为谨慎。业内知情人士向每经记者坦言，考虑到胰腺癌的发病率，PANDA模型理论上仍存在少量“假阳性”的可能。“‘假阳性’不仅会引发患者不必要的恐慌，还可能造成医疗资源的浪费。至于PANDA模型在实际场景中的阳性预测值究竟能达到何种水平，还需要较长周期的数据积累。”

除了“假阳性”风险和沟通难题，技术本身也并非尽善尽美，仍有迭代空间。

上述知情人士透露，当前PANDA模型的核心技术路径仍聚焦于计算机视觉（CV）领域，尚未实现多模态数据的深度融合。

“现在整个AI行业都在向多模态方向发展，这也是我们未来的核心探索方向。”该人士表示，如果能将患者的CT影像数据，与其病历、生化指标等多维度信息整合起来，系统的判断准确率才能得到进一步提升。

此外，该人士也强调，PANDA模型目前的能力发挥，也高度依赖于使用它的医生。在一个专业能力强、经验丰富的医生手中，PANDA能成为强大的辅助工具。但如果将其普及到经验相对不足的基层医院医生手中，其效果可能会打折扣。

模型的研发也离不开医生的持续“反哺”。从最初只能提供红绿黄三色风险提示和简单病灶勾画的1.0版本，到能够更好地区分胰腺炎与其他病变的2.0版本，正是在临床医生们的反馈、纠正和建议下，团队才得以不断优化算法，让系统功能更贴合临床实际需求。即便到了现在，它依然是一个需要在真实世界应用中不断学习和迭代的系统。

胰腺癌AI早筛经济账：早期患者医疗费不到1.5万元，晚期患者或花上百万元

胰腺癌AI早筛除了能挽救生命，还能为患者节省不菲的医疗费。沈亦钰医生给每经记者算了一笔账。

早期胰腺癌患者：从手术到康复，医保报销前费用约数万元。（注：从邱先生的案例看，医保报销后个人自付不足1.5万元）

晚期胰腺癌患者：确诊时多已错失手术机会，治疗费用以几十万元、上百万元计，且疗效有限，患者中位生存期不到一年。

这对家庭、医保基金和整个社会而言，都是沉重的负担。

“如果我说有一种针，打一针可能让你的亲人寿命延长三四个月，但一针要花100万元，你会不会卖掉一套房子硬着头皮也要上?”沈亦钰向每经记者发出“灵魂拷问”。胰腺癌足以让一个普通家庭“因病返贫”，关键还治不好。

朱柯磊医生指出，AI早筛可大幅提高早期发现率，降低整体治疗成本，“这笔经济账是完全能算出来的”。不过，当前AI筛查仍属于“机会性筛查”，即只有当患者因其他疾病到医院拍摄CT时，AI才能发挥作用。“病人不到医院，AI就无从发现风险。” 

朱柯磊提出，未来可以将AI预警模型直接部署在区域性健康大数据平台上。他所在的宁波市鄞州区，是全国最早建立居民健康大数据库的地区之一。该平台汇集了140多万常驻人口的健康数据。

朱柯磊构想道，“把病人影像数据、血液数据和肿瘤指标数据整合起来，构建一个更精准的模型。”在此模式下，AI的角色将从“被动捕手”转变为“主动哨兵”。

例如，一位居民在浙江省内的任何一家医院检查血糖，数据显示其近期血糖突然升高，AI调取其健康档案，发现其胰腺曾有一个微小病灶。系统自动将这两个看似独立的信息进行整合分析，生成预警信息：“您的健康风险正在升高，请尽快到医院进行专项检查”。

朱柯磊强调，“这相当于为我们整个辖区的所有老百姓都装上一台报警器。”这种主动预警模式，将不再局限于单次CT检查，而是能对个体的多维度、跨时间和跨地域的健康数据进行持续监控和综合研判，从而在疾病发生前或极早期就发出预警。

记者|郑雨航

编辑|兰素英

视觉|刘阳

排版|兰素英