医学界近日迎来统一诊断多发性癌症的新方法，阿里达摩院于8月16日发布多癌影像分析通用模型，可检测、分割和诊断8种主要的高发及致命癌症，有助实现多癌统一诊断，降低漏诊的机率。
当今医学界的医疗AI模型已经足够强大，可以完成单个器官疾病识别，辅助医生进行诊断。 然而，在实现多个器官的精准识别时却遇到较大挑战，其一是过高的「假阳性」问题，其二是存在一定的漏诊机率，两个问题对于癌症多发病人的诊疗尤为重要。 为避免错诊与漏诊，放射科医生通常会检测和诊断全身多重器官，医生在临床治疗上迫切需要一个更高效的多癌统一诊断模型。
针对上述痛点，达摩院医疗AI团队联合中山大学肿瘤防治中心、四川省肿瘤医院、浙大附属第一医院、盛京医院、广东省人民医院等单位，提出一个统一的多癌影像分析通用模型（cancerUniT），以Mask Transformer语义分割为基础，解决多种肿瘤图像此前难以统一检测、分割和诊断的问题，适用于8种主流的高发、致命率高的癌症，包括肺癌、 结直肠癌、肝癌、胃癌、乳腺癌、食管癌、胰腺癌及肾脏癌，以及上述器官中的肿瘤子类型。
多癌问题的复杂性主要体现在器官、恶性肿瘤和其他肿瘤类型之间存在许多关联性。 例如，肝癌和肝囊肿虽都位于肝脏内，但在纹理和良恶性方面存在差异; 而肝癌和胰腺癌虽形态相似，但却是分属不同器官的恶性癌症。
为了有效建模多癌之间的差异和相似性，达摩院医疗AI团队借助Mask Transformer提出一种新颖的肿瘤表示学习方法，将肿瘤表示为Transformer中的语义Query，并为不同器官中肿瘤及其子类型建立语义层次结构，让模型学习过程更加有效，并提高肿瘤及其子类型预测的一致性，实现同时输出分割、检测和诊断的预测， 从而解决临床上复杂的多癌多肿瘤的识别任务。
在一组631名患者的对比测试中，其肿瘤检测、分割和诊断任务的性能均优于8个特定器官的单模型组合，检测任务的平均敏感性达到93%，平均特异性达到82%。
阿里达摩院医疗AI团队负责人、IEEE Fellow吕乐认为，该工作以统一模型首次实现「一次调用即诊断八种最致命的癌症」，在简化AI模型复杂度的同时，保持较高的敏感度。 这将为放射科医生提供全面的AI辅助诊断支持，尤其在癌症复发、远程转移等临床场景发挥重要效用。
该模型的论文成果已被国际计算机视觉会议ICCV 2023（International Conference on Computer Vision）收录，目前已在上海市第一人民医院等多家合作医院应用测试。
达摩院医疗AI团队长期致力于医学影像等方向研究，正在研发包括规模筛查、精准诊断、预后治疗、响应评估在内的全流程的癌症诊疗技术，覆盖多个重要病种。 例如，去年初开始联同中国多家医院，首次将人工智能AI与电脑断层扫描（CT）结合，有效识别早期食道癌病征，准确度甚至高于医生筛查，有关研究技术及论文已经获得国际医学影像会议MICCAI收录。
达摩院医疗AI团队也曾在2020年3月新冠疫情初期，研发出CT影像新冠肺炎AI辅助诊断系统，被科技部评为中国科技抗疫先进集体。
