快速了解本文
阿里达摩院发布食管癌AI模型DAMO EAGLE，仅凭平扫CT即可识别风险。
该模型无需插管和造影剂，相关成果已登上国际顶级期刊《自然·医学》。
真实世界验证显示其对食管癌敏感性达90%，特异性高达99.2%。
本摘要由 AI 辅助整理，请以正文内容为准。
2026年9月，阿里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，研发出食管癌筛查AI模型DAMO EAGLE。该模型无需插管和注射造影剂，仅通过分析普通胸部平扫CT即可识别食管癌风险，包括早期和癌前病变。相关研究成果于9月22日登上国际顶级期刊《自然·医学》（Nature Medicine）。
01破解内镜筛查痛点，平扫CT实现不插管早筛
中国食管癌发病率和死亡率约占全球一半。如果能做到早发现，大部分患者可通过内镜下微创手术根治，5年生存率可达95%以上。然而，传统的食管癌筛查主要依赖胃镜等内镜检查，侵入性强、患者痛苦大，导致筛查难以在普通人群中大规模推广。
DAMO EAGLE 提出的破局思路是利用普通胸部平扫CT。患者无需承受插管痛苦，也无需注射造影剂，即可通过常规影像完成食管癌风险筛查，大幅降低了早筛门槛。
02先定位后诊断与跨模态数据配对
在平扫CT上，早期食管病变的信号非常微弱，人眼难以分辨，且容易受到周围组织结构的干扰。为了让AI看懂这些细微变化，研究团队在数据训练上进行了创新。
达摩院算法专家姚佳文介绍，团队将内镜检查报告和增强CT影像上的准确病灶位置，精准配对到平扫CT影像上，以此训练AI模型识别早期病灶。
在技术架构上，DAMO EAGLE 采用“先定位、后诊断”的两阶段深度学习设计。第一阶段通过分割网络精准圈出食管区域，排除周围结构干扰；第二阶段进行精细分析，输出良恶性分类结果，并生成AI关注区域的热力图，让判断依据实现可视化。
038万例真实世界验证，高特异性支撑机会性筛查
该模型已在3个国家、超过8万例病例中得到验证。论文数据显示，在机会性筛查场景下，DAMO EAGLE 对食管癌的敏感性达90%，对癌前病变的敏感性达52.5%；在真实临床场景中，其特异性高达99.2%。
高达99.2%的特异性意味着极低的误报率。在大规模人群筛查中，这能有效避免医疗资源的浪费和患者的不必要恐慌，为模型真正接入常规体检和肺癌筛查流程奠定了可靠性基础。
更重要的是，DAMO EAGLE 在低剂量CT上的性能未见下降。这意味着它可以无缝切入现有的肺癌筛查流程，利用患者做胸部CT的机会顺带完成食管癌筛查，不增加患者额外负担，实现了医疗资源的一举多得。
04跑通平扫CT加AI一扫多查路线
在临床定位上，DAMO EAGLE 主要作为辅助分流工具，帮助医生从海量平扫CT中快速识别高风险人群，而非直接替代内镜确诊。
目前，达摩院已陆续发布胰腺癌、胃癌、肠癌、食管癌和主动脉夹层等AI模型，跑通了“平扫CT+AI”的一扫多查技术路线，并累计发表了5篇《自然·医学》论文。