胃ca筛查模型GRAPE的几点思考

本研究介绍了一种基于人工智能（AI）的无增强CT图像胃癌筛查新方法——GRAPE模型，该模型通过深度学习分析三维无增强CT扫描，实现对胃癌患者的检测和分割。研究在中国多中心大规模人群中进行了训练、内部和外部验证，并在真实世界的医院机会性筛查场景下评估了GRAPE的表现。结果显示，GRAPE模型在胃癌识别上表现出高准确性和良好的泛化能力，优于放射科医生的诊断，并显著提高了大规模筛查的检测率，为低成本、高效率的胃癌早期筛查提供了有效工具。

胃癌高发，死亡率高，特别是在亚洲地区，筛查与早诊早治对降低死亡率至关重要。

内镜虽为金标准，但受限于高成本、侵入性和规模化实施难度，现有血清学等风险分层手段提升有限。

无增强CT因价格低廉和应用广泛受到关注，结合AI技术后有望实现高效筛查。

GRAPE模型采用两阶段深度学习策略，整合分割与分类，实现胃及肿瘤定位、分割和高低风险区分。

内外部验证及多中心数据分析显示，GRAPE在AUC、敏感性和特异性方面均表现优异，优于人类放射科医生。

在真实医院机会性筛查中，GRAPE能够显著提升无症状及早期胃癌的检出率，适用于多种临床场景。

未来需进一步提升早期胃癌检出敏感性，扩展模型适用肿瘤种类并在更大规模前瞻性队列中验证。

关于筛查大模型使用的几个问题思考：
1.该模型在训练的时候实际使用的是增强图像可分割的胃癌病灶，但更早期的病灶实际只有胃镜能发现。同时增强图像可分割的胃癌病灶，平扫也会让影像科医师觉得不对劲，所以该模型实际是起到一个辅助影像科医师的价值，增加平扫CT影像科医师的诊断信息，能做到这一步还是值得敬佩的。
2.就是研究进一步发展、落地、盈利问题。现在国内医疗环境的问题，模型在使用过程中如果无法盈利，那注定也就只能发文章了。但这么多家医院的团队，不排除有人能让行政上一路开绿灯。
3.除了胃癌，其实食管癌、结肠癌、直肠癌、肾癌CT平扫筛查都可以做，我们也能做，并且我这里也有类似的平扫CT筛查模型，只不过奈何医疗环境原因，无法实现模式盈利。所以目前还是选择发文章比较合适。

4.听说民营医院在收费项目上有一定自主权，如果这些项目在民营医院落地，并推广，不知道能否有一线机会。此外，我觉得不一定非要在民营医院落地，我觉得是不是可以在亚专业医生手上落地，这些医师还是比较喜欢病种单一的优质患者的，虽然不能收费，但是有疑似特征，应该就可以建议进一步内镜检查。

炒概念水文章之医学影像学教学与元宇宙

胰腺肿瘤CT特征2：肿瘤伪影

审稿日记-注意研究的临床意义

胰腺肿瘤的CT特征1

PixelmdAI-时间依赖ROC曲线

医学影像功能成像AI新方向-弥散微血管新参数图