一次平扫CT如何同时筛查肺癌和乳腺癌？OMAFound多癌筛查基础模型及其2万人前瞻性验证

癌症是全球主要死因之一，早筛是压低死亡率的关键，但传统的筛查是「单癌单检」：肺癌靠低剂量 CT，乳腺癌靠钼靶，逐项检查既费时间又费钱，难以支撑无症状人群的规模化筛查。2026 年 2 月 5 日，Nature 新子刊《自然-健康》（Nature Health）在线发表由上海科技大学、安徽医科大学第一附属医院、潍坊市第二人民医院等机构合作提出的多癌筛查基础模型 OMAFound（carcinOMA Finder foundation）：仅凭一次平扫 CT，就能在器官层面同步筛查肺癌与乳腺癌、在个体层面评估全身癌症风险，实现「一扫多筛」，为医学影像智能诊断走向低成本、高通量多癌早筛提供了一条新路径。

研究背景：为什么「单癌单检」式的筛查难以为继？

癌症早期发现，5 年生存率显著高于晚期，因此各国都建立了针对高发癌症的筛查项目——肺癌用低剂量 CT，乳腺癌用钼靶。但问题在于，这些项目普遍只盯单一癌种。

• 逐项检查会带来时间、经济成本、辐射剂量与医疗资源占用的多维度负担；
• 面对人口老龄化与吸烟、肥胖等危险因素的叠加，癌症负担持续上升，高通量人群筛查的需求越来越迫切；
• 平扫 CT（尤其是低剂量 CT）成本低、获取便捷、在体检/门诊/住院等场景广泛可用，是「一扫多筛」的理想载体，但传统人工阅片信息量大、一致性难以保证。

于是，如何用人工智能在一张平扫 CT 上精准、分层地做多癌筛查，成了亟待突破的关键问题。

创新点：OMAFound如何实现「一扫多筛」的双层风险评估？

OMAFound 的核心创新，是首创了「器官水平 + 个体水平」的双层风险评估体系：

• 器官水平：分别定位并筛查肺、乳腺两个高发器官的病灶，一次 CT 同时覆盖男性发病率第一的肺癌与女性发病率第一的乳腺癌；
• 个体水平：综合评估受检者的全身总体癌症风险，用于识别高风险人群并实现高效分诊，再引导后续的专科器官检查与精细化诊断；
• 可解释性：由于 CT 并非常规乳腺癌筛查工具，模型提供注意力可视化，帮助医生（尤其是年轻医生）更快聚焦潜在病灶区域，增强临床可理解性与可接受度。

这种「器官定位 + 个体分诊」的组合，把多癌筛查从「多个模型各查各的」变成「一个模型统一评估」，是它区别于既往单癌种模型的关键。

技术原理：自监督预训练 + 多窗位调优

OMAFound 的训练分两步，方法并不玄乎，难在工程与数据的规模化。

第一步，自监督预训练。 团队用超过 20 万张 CT 数据做预训练，以自监督学习的方式提取对设备差异、剂量变化、窗位设置更具鲁棒性的通用 CT 表征——这是基础模型「见多识广」的底气。

第二步，多窗位标注数据精细调优。 结合多窗位（不同窗宽窗位的 CT 显示方式）的标注数据进行调优，显著增强多癌筛查能力。这种「通用表征打底、多窗位任务精调」的组合，让模型在跨设备、跨中心场景下依然保持稳定。

数据说话：2万人前瞻队列里的准确率与医生获益

论文的验证规模相当扎实：在国内外 10 个数据集、151,386 名患者的 325,197 份 CT 体积上开发与测试，并在一项纳入 21,601 名低剂量 CT 筛查受检者的前瞻性多中心队列中评估。

结果传递了两层信号。第一，跨器官的筛查能力没有「顾此失彼」。 OMAFound 在乳腺癌上接近基于钼靶的筛查体系、在肺癌上接近低剂量 CT 专用模型，说明一个基础模型同时覆盖两个器官是可行的。第二，它最擅长帮医生「少漏诊」。 辅助 7 名放射科医生后，敏感性大幅提升而特异度不下降，正契合筛查任务「在可接受误报范围内尽可能减少漏诊」的核心目标。

应用前景与局限

这项工作最现实的价值，是给「低成本的普惠多癌早筛」提供了一个技术底座：一次平扫 CT 就能同时评估肺癌与乳腺癌，未来还可扩展至其他常见癌症，有望缓解基层医疗资源紧张地区「筛查做不起、做不过来」的困境。

局限也要讲清楚。第一，前瞻队列验证的是检测准确性，尚未证明能直接改善生存结局，还需以死亡率为终点的长期随访；第二，研究以肺、乳腺两个癌种为主，扩展到更多癌种的泛化能力有待验证；第三，平扫 CT 对乳腺癌这类软组织病灶的识别仍依赖模型的可解释性引导，CT 并非常规乳腺筛查工具，其临床定位更接近「机会性筛查」而非替代钼靶。

结论

传统「单癌单检」的高成本，是多癌早筛规模化落地的最大障碍。OMAFound 用「器官水平 + 个体水平」的双层风险体系，让一次平扫 CT 同时筛查肺癌与乳腺癌成为可能——在 2 万余人前瞻队列中，女性乳腺癌、肺癌检测平衡准确率分别达 82.2%、88.0%，男性肺癌达 86.1%，辅助医生后敏感性显著提升而不牺牲特异度。它说明医学影像智能诊断正在从「单病种工具」走向「多癌筛查基础模型」，接下来要过的关，是更多癌种的扩展与以生存结局为终点的临床验证。

论文原文信息地址：https://www.simomia.com/blog/2026-10-30-omafound-multicancer-ct-screening/

参考文献

1. Liang Z, Niu Q, Wang J, Han C, Li Q, Wu Y, Zhu B, Han X, Wang Z, Wang X, Hu C, Liu C, Zhao Y, Wang J, Wang Z, Ni Y, Pei J, Qian X. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nature Health. 2026;1:403-415. DOI: 10.1038/s44360-026-00055-8

相关问题 FAQ

CT影像AI诊断是什么？它和传统的影像诊断有什么不同？

CT 影像 AI 诊断，指的是用深度学习模型自动分析 CT 影像、辅助识别病灶并给出诊断意见的技术。与传统人工阅片不同，它能把海量影像里「人眼容易漏掉」的规律学出来，并快速、稳定地输出结果。以 OMAFound 为例，它就是一套 CT 影像 AI 分析系统：在器官层面定位并筛查肺、乳腺病灶，在个体层面评估全身癌症风险，让一次平扫 CT 同时覆盖多个癌种，这正是 CT 影像 AI 分析走向「多癌筛查」的典型形态。

平扫CT筛查癌症，和增强CT、钼靶筛查有什么区别？

平扫 CT 不打造影剂、成本低、辐射剂量相对可控，适合大规模人群筛查；增强 CT 需要注射造影剂，能更清晰地显示病灶血供，多用于已发现病灶后的定性诊断；钼靶则是乳腺专用的 X 线检查。OMAFound 的思路，是把原本「低剂量 CT 查肺 + 钼靶查乳腺」的两套检查，收敛到一次平扫 CT 上同时完成——其乳腺癌筛查效能接近钼靶体系、肺癌筛查效能接近低剂量 CT 专用体系，适合作为机会性筛查的入口，但并非完全替代钼靶或增强 CT。

多癌筛查模型会取代放射科医生吗？

不会。论文明确展示的是「人机协作」的价值：OMAFound 辅助 7 名放射科医生后，敏感性显著提升而特异度不下降，说明它的定位是帮医生「少漏诊」，而不是替医生做决定。多癌筛查模型输出的是风险分层与病灶定位，最终诊断仍需要放射科医生结合临床信息复核，高风险人群还要进一步做专科检查确认。