阿里达摩院发布食管癌AI模型EAGLE，平扫CT不插管查出早期病变

阿里巴巴达摩院联合四川省肿瘤医院、中山大学肿瘤防治中心等机构，发布了食管癌筛查AI模型 EAGLE（Esophageal AI-Guided malignant Lesion Evaluation）。它的目标很具体：用一次普通的胸部平扫CT，就能在体检环节发现早期食管癌和癌前病变，不需要插管，也不需要用造影剂。

这项研究已发表在《自然·医学》（Nature Medicine），论文题为《Large-scale esophageal cancer screening through noncontrast computed tomography and artificial intelligence》，于2026年9月22日在线发表。中文媒体在9月24日集中报道了达摩院的发布。原文链接在此。

之所以值得关注，是因为食管癌长期缺乏低成本、无创、可大规模铺开的筛查手段：中国食管癌的发病和死亡人数约占全球一半，而多数患者确诊时已是中晚期。EAGLE 试图把筛查这件事，塞进一次本来就做了的胸部CT里。

先解释一个背景：目前食管癌筛查的“金标准”是上消化道内镜（胃镜）。它准确，但有侵入性、需要专业医生操作，检查体验也不轻松，很难像查血压那样大范围开展。胸部平扫CT则相反——便宜、无创、接受度高，而且扫描范围本来就覆盖食管。

难点在于，食管是一条狭长、容易塌陷的空腔管状结构，早期病变非常隐匿，影像科医生很难从平扫CT里把它和正常组织区分开。用论文自己的话说，这在历史上被视为“几乎不可能的任务”。

EAGLE 要做的，就是让模型学会在这类低对比度的CT图像中，识别出早期恶性病变和癌前病变。它并不是新的检查设备，而是一层可以叠加在既有CT流程上的AI判读能力。

论文给出的验证规模不小。EAGLE 在两中心、6,813名患者上完成训练，随后在3个国家、12个中心、共80,612名患者上做了验证，覆盖机会性筛查和人群筛查两类场景。

最核心的一组数据来自机会性筛查：在8个中心、11,466例的多中心外部测试集上，模型对食管癌的敏感性达到90.0%（也就是不漏报的能力），对癌前病变的敏感性为52.5%，特异性高达98.5%（不误报的能力）。在2个中心、1,607例的低剂量CT（LDCT）验证中，性能相当，这意味着食管癌筛查有机会搭上肺癌筛查的顺风车。

另一组值得注意的数据是关于“误报控制”的：在3个中心、35,402例的真实世界队列中做校准后，假阳性降低了72.7%，同时保持敏感性。对于大规模筛查来说，假阳性意味着大量不必要的焦虑和后续检查，这一项改善的实用价值不亚于敏感性本身。

筛查的意义在于“早”。论文专门做了配对CT-内镜队列（2个中心、702例）的分析：在更高敏感性的工作点上，模型对癌前病变的敏感性为65.0%，对I期食管癌的敏感性为78.4%。

此外，前瞻性医院验证（17,446例）取得42.2%的阳性预测值（PPV），真实世界低剂量筛查（10,959例）达到99.94%的特异性。这些数字放在一起看，说明模型在不同场景下的表现存在差异：人群筛查更看重不误报，机会性筛查更看重不漏报，而 EAGLE 提供了可调的工作点。

研究还做了探索性分析：把高风险人群转去做内镜，有望提升筛查效率——也就是说，AI 的角色更像是“初筛+分流”，而不是替代胃镜。

对普通人来说，最直接的变化是：如果你本来就要做胸部CT（比如体检或肺部检查），未来这次扫描有机会顺带完成一次食管癌风险评估，而不用额外做胃镜。这对食管癌高发地区、有家族史或长期不良饮食习惯的高风险人群，意义更明显。

对体检机构和医院来说，EAGLE 意味着可以在不增加新设备的前提下，增加一项筛查能力，但前提是这套AI判读能被合规接入现有影像流程。对影像科医生来说，它的定位是辅助：把可疑病例挑出来、把明显正常的大量片子先过滤掉，减轻阅片负担。

需要提醒的是，这是一项研究级成果，不是已经上市的医疗器械。论文写的是“有潜力成为可扩展的早期食管癌筛查工具”，从“有潜力”到“合规可用”之间，还有审批和落地流程要走。

如果你是研究人员或工程师，验证路径很清晰：论文公开了试验注册号（ChiCTR2300074806），可以核对训练/验证队列的划分、各中心样本量与性能指标，判断结论是否稳健。也可以关注论文的补充材料，看不同人群、不同设备下的表现是否一致。

如果你是普通读者，现阶段不必因为这条消息就去额外加做检查。真正落地后，判断标准应该是：你所在的体检机构是否明确告知这项AI筛查通过了相关审批、适用范围是什么、阳性结果如何转诊。没有这些信息，先按医生建议走常规筛查路径。

需要警惕的风险有两类：一是把“研究结果”当成“体检套餐卖点”，被机构过度营销；二是把AI阴性当成绝对安全——任何AI筛查都存在漏报可能，高风险人群仍应遵循医生的内镜检查建议。

EAGLE 是达摩院在癌症筛查AI上的又一步。此前它已先后推出胰腺癌、胃癌、肠癌以及主动脉夹层等检测模型，累计产出多篇《自然·医学》论文。这次的食管癌模型延续了同一条路线：不去造新硬件，而是在已有的常规影像上叠加AI判读能力，把“不可能的任务”变成“可规模化的初筛”。

对整个AI医疗行业来说，这条路径的价值在于把AI从“炫技”拉回到“能进常规流程”。接下来值得关注三件事：一是这类模型能否通过医疗器械审批、以什么形态进入临床；二是真实世界大规模使用后，误报率和医生接受度是否经得起检验；三是多癌种筛查模型能否整合成一个通用影像AI，而不是每个癌种各做一套。

编辑判断：这是一个技术扎实、动机明确的研究成果，值得跟进，但现在还不是普通消费者马上行动的时刻。真正该行动的是体检机构和医院的信息化、影像科团队——评估接入可行性，比追热点更有价值。

本文由 AI 潮汐编辑部基于官方公告与公开资料整理，补充了行业影响、适用场景和行动建议，帮助你在阅读原文前先理解这条信息为什么重要。

原始来源：https://www.nature.com/articles/s41591-026-04656-4

如发现事实、价格或链接有误，可通过 联系我们 提交更正。