医学影像分析如何在平扫CT上筛出早期食管癌？EAGLE模型及其多国多中心验证

食管癌是典型的“发现即晚期”：2022 年全球新发约 51.1 万例、死亡 44.5 万例，中国 5 年生存率仅 36.9%，美国更只有 18.5%。根本原因，是缺少一个能大规模普及的早期筛查工具。2026 年 9 月 22 日，一项由中国团队牵头、发表在《Nature Medicine》的研究给出了新答案：用人人都拍得起的胸部平扫 CT，让一个名为 EAGLE 的医学影像分析模型直接筛出早期食管癌和癌前病变。

研究背景：早期食管癌为什么总是“看不见”？

早期食管癌其实有明确的治愈窗口——高级别上皮内瘤变（HGIN）还局限在上皮层，I 期癌也刚侵入黏膜或黏膜下层，这一阶段治疗效果好、生存率大幅提高。问题在于，发现它们太难了。

目前的金标准是胃镜（内镜）筛查，但它侵入性强、费用偏高、依从性差，只能在高发地区小范围开展，难以覆盖无症状人群。液体活检、海绵细胞学等无内镜手段，对早期病变的灵敏度又不够、成本不低，还需要多次往返医院。

一个常被忽视的“现成资源”是胸部平扫 CT（NC CT）：它约占全部 CT 检查的四成，覆盖整段食管，人人都在拍。但早期食管癌在平扫 CT 上几乎“不可见”——食管是一根会塌陷的空心管，紧贴跳动的心脏和主动脉，早期病变只是几毫米厚的黏膜增厚，比生理性狭窄还轻微。论文引用的研究显示，很多最终死于食管癌的人，此前五年的胸部 CT 报告里都没有任何可疑的食管记录。这不是医生不认真，而是这项任务的信噪比实在太低。

创新点：EAGLE如何“教会”AI看见毫米级病灶？

EAGLE（Esophageal AI-Guided malignant Lesion Evaluation，食管 AI 引导恶性病灶评估）的核心主张是：既然病灶在平扫 CT 上人眼难辨，就把难题交给模型，再靠一套“重新来过”的标注协议喂给它正确答案。

这套标注协议，才是整项研究最关键的一步：

• 病理报告定位：先借手术和内镜病理报告，拿到病灶的厘米级位置；
• 增强 CT 标注：由两名有经验的放射科医生在配对增强 CT 上独立勾画病灶，交叉取交集作为金标准，分歧交给资深医生复核或剔除；
• 配准迁移：再用形变配准把标签“搬”到平扫 CT 上，实现体素级的精确监督。

正是这一套“绕道增强 CT”的标注策略，让模型得以在没有造影剂的情况下学到早期食管癌的细微特征，完成了此前被认为“不可能”的任务。

技术原理：一句话看懂这套CT影像AI分析流程

EAGLE 的骨架基于公开的 nnU-Net V2，采用两阶段三维（3D）网络，把“找食管”和“找病灶”拆成两步：

• 第一阶段——定位食管：用一个低分辨率 3D 分割网络，把整段食管从胸腔里“裁”出来，去掉肺、心脏、椎体等无关结构；
• 第二阶段——联合分割与分类：只在这段感兴趣区里干活，同时输出三样东西——病灶分割掩膜、恶性概率，以及一张类激活热图，标出模型是根据哪块区域下的判断。

最后把分割损失和分类交叉熵加权求和训练。这套架构并不花哨，真正让它在临床落地的，是按场景设定双阈值：机会性筛查卡 99% 特异度、人群筛查卡 98% 灵敏度，一个模型、两个工作点。

数据说话：80,612人的多国验证结果如何？

EAGLE 用来自两个中国癌症中心的 6,813 例胸部 CT 训练，随后在中国、捷克、澳大利亚 3 国 12 中心、共 80,612 人中完成多场景验证。核心结果如下：

更值得注意的是人机对照：在 17 名放射科医生、300 张扫描的读片研究中，EAGLE 独立表现超过了全部 17 名医生；医生在 AI 辅助下，灵敏度从 71.9% 提升到 85.7%，特异度从 79.6% 提升到 91.7%。这意味着它不仅能“自己找”，还能实实在在帮医生看得更准、更少误报。

应用前景与局限

EAGLE 的价值在于**“一筛多癌、零新增检查”**：它能把食管癌筛查嵌入现成的胸部平扫 CT 和肺癌低剂量 CT 项目，不增加患者任何额外花费。研究提出的落地路径有四条：辅助放射科医生阅片、常规 CT 机会性筛查、嵌入肺癌低剂量 CT 项目、以及内镜筛查前的风险分层。

其中风险分层的意义尤其直接——在食管癌高发人群中先让 EAGLE 打分、只把 AI 提示阳性的患者转诊内镜，可把内镜检出率从 1.7% 提升到 5.2%，同时减少约 67.6% 不必要的内镜检查，既提高效率又节约医保开支。

但也要冷静看待局限。第一，癌前病变（52.5%）和 I 期癌（60.1%）的灵敏度明显低于中晚期，早期病变依然是难点；第二，随访时间不足两年，长期获益与过度诊断风险有待更大规模、更长随访的前瞻性研究确认；第三，结果随场景和病灶类型浮动，临床监管、随访通道和落地机制仍需配套。

结论

食管癌的“晚”，根源在于缺一个可普及的早筛工具。EAGLE 用平扫 CT + 两阶段三维网络 + 病理引导的标注协议证明：医学影像分析完全可以在不增加检查、不增加花费的前提下，把早期食管癌筛查“塞进”现有的常规 CT 流程。它不靠炫技的新架构，而是把一个“人眼看不清”的任务，用一套可复制的标注与验证流程做成了可落地的筛查工具——这或许比模型本身更值得临床与公卫体系参考。

论文原文信息地址：https://www.simomia.com/blog/2026-10-02-eagle-esophageal-cancer-screening/

参考文献

1. Zhou J, Guo G, Yao J, et al. Large-scale esophageal cancer screening through noncontrast computed tomography and artificial intelligence. Nature Medicine. 2026. DOI: 10.1038/s41591-026-04656-4
2. Isensee F, Jaeger PF, Kohl SAA, et al. nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation. Nature Methods. 2021;18(2):203-211. DOI: 10.1038/s41592-020-01008-z
3. Bray F, Laversanne M, Sung H, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: A Cancer Journal for Clinicians. 2024;74(3):229-263. DOI: 10.3322/caac.21834

相关问题 FAQ

平扫胸部CT以前为什么筛不出早期食管癌？

因为早期食管癌病灶太小、信噪比太低。食管是一根会塌陷的空心管，紧贴跳动的心脏和主动脉，早期病变只是几毫米厚的黏膜增厚，比生理性狭窄还轻微，经验再丰富的放射科医生也很难在数百层横断面图像里逐层发现它。论文引用的研究显示，很多最终死于食管癌的人，此前五年的胸部 CT 报告里都没有可疑的食管记录。EAGLE 的价值正在于把这个人眼“看不清”的任务交给模型，并靠病理报告定位、增强 CT 标注、配准迁移这套标注协议教会它识别毫米级病灶。

医学影像AI怎么做，才能在不增加检查的情况下做食管癌筛查？

关键在于“借势现有检查”。胸部平扫 CT 约占全部 CT 检查的四成、覆盖整段食管，人人都在拍；肺癌低剂量 CT 筛查也在广泛开展。EAGLE 的做法是：用两阶段三维网络先定位食管、再联合分割与分类，直接在这些现成的平扫 CT 上识别食管癌和癌前病变，不新增任何检查、不增加患者花费。研究还设计了按场景切换的双阈值——机会性筛查卡高特异度、人群筛查卡高灵敏度，让一个模型适配不同筛查目标。

EAGLE 会取代胃镜吗？

不会。EAGLE 的定位是筛查和风险分层工具，而不是替代胃镜。研究提出的一条关键落地路径，正是在高发人群中先让 EAGLE 打分、只把 AI 提示阳性的患者转诊内镜——这样可把内镜检出率从 1.7% 提升到 5.2%，同时减少约 67.6% 不必要的内镜检查。最终确诊仍要靠胃镜和病理活检，AI 只是让有限的胃镜资源用到更该用的人身上。