本报讯 中国医科大学附属盛京医院等研发出肝癌诊断人工智能（AI）模型DAMO LiON，可通过CT影像识别微小的肝脏癌变病灶。在两个月的真实世界前瞻临床试验中，该AI模型发现了15例被遗漏的恶性肿瘤，绝大部分为1厘米左右的病灶，使患者得到及时的手术或药物治疗。相关研究近日发表于《自然-医学》。

肝脏是恶性肿瘤的高发部位，既有起源于肝脏的原发性肝癌，也就是通常说的“肝癌”，也有从肠癌、胰腺癌等部位转移过来的“肝转移”，后者往往更为常见。无论哪一种肿瘤，越早发现，治疗效果就越好。但早期发现并不容易，由于病灶较小且容易被肝硬化、脂肪肝和肝脏内复杂的解剖结构干扰，医生即便在增强CT下也有可能看漏。尤其在肝转移中，医生的注意力容易被原发病灶牵走，因此漏掉细小的肝脏病灶。

为此，团队研发出DAMO LiON模型，作为“AI安全员”协助医生阅片，能精准识别原发性肝癌，并揪出容易被忽视的肝转移。实验结果显示，AI模型识别恶性肿瘤的准确率高于普通放射科医生。医生用AI模型协助阅片，用时减少了27%，对恶性肿瘤的敏感性却提高了11.5%，有效减少了漏诊；在AI协助下，初级医生能达到资深医生水平。

团队随后将AI模型实际部署到医院，参与医生日常阅片。当AI与医生初诊结论不一致时，病例会交给资深放射科医生复核，必要时升级至多学科团队讨论。两个月内，AI共阅读1万多名患者的增强CT影像，辅助医生发现15例被忽略的肝转移，推动改进了这些患者的治疗方案。其中，一名患过膀胱癌的65岁患者进行复查，肝功能指标和肿瘤标志物都正常，医生初诊只发现了肝脏钙化灶，而AI准确作出了肝转移的判断，提醒医生修改检查报告并给出化疗建议。

专家表示，这些被AI揪出的恶性病灶普遍“小、淡、偏”，平均直径约1厘米，和肝脏组织对比度低，或者位于比较少见的解剖位置。DAMO LiON模型采用了改进的网络架构，既可以捕捉病灶和整个肝脏的关系，又能有效保留局部纹理和边界，提升在脂肪肝、肝硬化等困难病例上的表现。此外，AI还能将不同期相组合的影像迭代融合，有效捕捉不同期相之间的像素级差异，精准揪出增强CT扫描中“一闪而过”的微小病灶。（赵广立）

相关论文信息：

https://doi.org/10.1038/s41591-026-04589-y