本文是专业学术论文解读正规配资入口，不做医疗建议。
近日，上海科技大学钱学骏教授团队取得了一项重要突破 – 他们研发的 AI 系统，能从同一张胸部 CT 里同时筛查和乳腺癌。这套系统名叫 OMAFound，名字里的 OMA 是英文“癌”（Carcinoma）的后三个字母，Found 则兼具“基础模型”和“发现”的含义，直白凸显了它擅长发现癌症的核心能力。相关论文发表于 Nature Health 上。
使用时，大家只需做一次普通 CT，比如体检时常见的低剂量胸部 CT，就能同时筛查出全球发病率前两位的 – 女性特有的和男女都高发的肺癌，准确率接近专业检查。
这个成果的核心就是一次 CT 扫完，两个器官都查了。他们在四家医院的两万多名体检人群里测试，结果发现对于女性 AI 发现乳腺癌的准确率达到 82.2%，发现肺癌的准确率达到 88%。
男性只能看肺癌，准确率达到 86.1%。更重要的是，有了 AI 帮忙，参与合作的 7 位放射科医生的敏感度平均提高了 38.9%。乳腺癌漏诊率一下子降下来，患者也不需要多花钱、多被动接受辐射和多花费时间。
很多人在体检时都做过胸部 CT。体检时躺上去，十几秒就扫完了，大家通常只关注肺部有没有结节。其实，这张片子也拍到了乳腺。只是医生平时重点关注肺部，那些藏在角落里的乳腺组织，往往会被忽略。
钱学骏告诉 DeepTech，女性健康一直以来都是全球的重要关注点，国家早在 2009 年就出台了包括乳腺癌的“两癌”筛查项目，2019 年更是纳入基本公共卫生项目，覆盖全国城镇和乡村，意义重大。“我们就想能不能做得更普适，让更多人受益，而不是只关注已经患癌的人群（毕竟是少数人）。”他说。
元股证券:ygzq.hk他进一步解释，癌症患者确诊后，治疗固然重要，但筛查越靠前、发现得越早，对患者的治疗效果和心理状态影响越大。“身边很多案例，很后悔为什么没早期发现，发现就是中期甚至晚期。如果机会性筛查时拍个胸片或 CT 就看出来了，早发现治愈率基本百分之百，受益非常大。”他表示。
而他在这一领域的研究持续了将近十年。据了解，钱学骏回国之前在美国南加州大学获得博士学位，之后在该校医学院从博士后研究。2023 年初回国，在上海科技大学独立组建了实验室，这次成果也基于其近年来的持续积累。
他最早关注到的痛点，是超声看乳腺不够准确。尤其对于中国女性来说，乳腺组织偏致密，早期病灶在超声上不明显，容易漏掉。2021 年，他和合作者发了一篇 Nature Biomedical Engineerning 论文，那篇论文做的是多模态超声融合。
传统超声只有 B 模式，他们加上了彩色多普勒查看血流，还加上了弹性成像测硬度。三种模式、两个切面、6 张图一起喂给 AI，让模型学会从不同角度判断病灶性质。当时的效果已经不错，在测试集 AUC 上达到 0.955，和放射科医生不相上下。
但那还不够。临床上，乳腺检查的黄金标准是超声加钼靶一起做。可问题是患者去了医院，到底应该先做哪个？两个都做太费钱，只做一个又怕漏。
2024 年，他和合作者又发了一篇 Nature Biomedical Engineering 论文，这次把超声和钼靶的图像都拿过来，再加上患者的年龄和 BMI 这些临床信息，做了一个多模态模型。模型能够同时使用两种影像，还能把临床信息融合进去，在疑难的四类病灶上，效果比放射科医生还好。
但这两步都是在患者已经发现症状（如疼痛，不适，有硬物等）之后做的。钱学骏想做的事情是：能不能再往前推一步，在还没有发现问题的时候，就能帮助更多人筛选出来？
这就是此次的新工作。他和团队发现胸部 CT 在中国用得太多了。体检、门诊、术前检查，动不动就开一张。在这些患者里，他们大部分没有做过乳腺钼靶，甚至没有想过要查乳腺。但在他们的 CT 片子里，乳腺其实已经被拍到了。
传统上，CT 并未被用来查乳腺，因为软组织对比度不够，医生没法直接看。但他想的是医生看不了，AI 能不能看？他和团队使用了几十万张 CT 片子来训练模型，让 AI 学会从正常的胸部扫描里找到那些微小的、容易被忽略的异常信号，结果发现这个方案是可行的。
更重要的是，这个方案不会给患者带来任何额外负担。片子是本来就拍的，AI 分析是后台跑的，患者不需要额外跑一趟，不需要多付钱，不需要再受一次辐射。
这种思路叫做“机会性筛查”，不是专门为了查癌去拍摄片子，是在已有的检查里顺便把癌症给筛选出来。他表示：“因为没有任何经济负担，甚至不发达国家有低端设备也能干一次全查完。从经济便捷角度非常实用。”
他告诉 DeepTech：“这次和安徽的医院合作，其实也是延续，从作者列表能看出来，我们核心团队一直在坚持做这个。我们不是东打一枪西打一枪，而是围绕乳腺领域做实用研究。合作的医生是乳腺外科的，对这个方向有很强需求，我们围绕共同话题，一直用现有技术和资源，沿着乳腺癌精准诊断和防治往下做。”
他补充称：“能有这一系列连贯的成果，离不开目前所在单位领导与平台的很多支持，尤其是算力上的，这对 AI 很重要。”
下一步，他和团队希望精进模型的性能，做一些工程化的努力，实现科研的转化，真正落地到医院里。
参考资料：
https://doi.org/10.1038/s44360-026-00055-8
https://doi.org/10.1038/s41551-021-00711-2
https://doi.org/10.1038/s41551-024-01302-7
运营/排版：何晨龙
本文是专业学术论文解读，不做医疗建议。
江苏配资网提示：本文来自互联网，不代表本网站观点。
