平扫CT+AI：阿里巴巴达摩院肠癌筛查技术突破与临床价值评估

2026年4月28日，阿里巴巴达摩院正式发布肠癌筛查AI模型DAMOCOCA。这一成果并非孤立的技术验证，而是达摩院在"平扫CT+AI"多癌筛查路线上的第三块里程碑。此前，胰腺癌与胃癌筛查模型已相继落地，肠癌模型的发布标志着这条原创技术路线正式跑通。

技术架构：从临床痛点倒推算法设计

传统肠癌筛查高度依赖肠镜检查。患者需要提前服用泻药清洁肠道，检查过程侵入性强、等待周期长，导致依从性长期处于低位。达摩院团队从这一临床痛点出发，决定将突破口锁定在常规平扫CT影像。平扫CT本就是多种疾病诊断的基础检查，无需额外增加患者负担——这正是"无感"二字的底层逻辑。

DAMOCOCA模型基于深度学习架构，针对CT影像中的肠道异常区域进行特征提取与分类识别。在广东省人民医院等机构的临床验证中，团队对2.7万份平扫CT影像进行回顾性分析，成功从已排查样本中精准识别出5例此前漏诊的肠癌病例。这一数据本身的意义在于：AI不是在理想实验室环境下跑分，而是在真实临床数据中证明了自己的辅助价值。

性能验证：敏感性86.6%、特异性99.8%意味着什么

敏感性86.6%，意味着每100例实际存在的肠癌中，模型能识别出86.6例；特异性99.8%，意味着模型将健康样本误判为疑似病例的概率极低。这两个指标在不同临床场景中各有侧重：高敏感性确保"不漏诊"，高特异性避免"过度警报"。对于大规模筛查场景，特异性指标尤为关键——假阳性率过高将直接导致后续检查资源挤兑，增加患者不必要的心理负担与经济成本。

当前86.6%的敏感性距离理想状态仍有提升空间，但结合99.8%的特异性，这一组合已具备临床辅助决策的实用价值。模型更重要的定位是"漏诊兜底"而非"替代诊断"：在日常影像报告流程中，AI作为第二阅读者，帮助放射科医生降低肉眼疲劳导致的遗漏风险。

临床路径：从技术验证到规模化落地的挑战

技术验证只是第一步。DAMOCOCA要真正嵌入临床工作流，还需突破几重关卡：首先是与现有PACS系统的深度集成，需要在不影响放射科医生工作效率的前提下实现AI结果的实时推送；其次是跨中心泛化能力的验证——单一机构数据训练的模型在其他设备厂商、不同扫描参数下表现是否稳定，尚需多中心前瞻性研究佐证；最后是收费项目立项与医保准入，这将直接影响基层医疗机构的采用意愿。

技术路线展望：从单癌种到多癌种一站式筛查

胰腺癌、胃癌、肠癌——三个模型依次发布，背后的技术路线愈发清晰：利用常规平扫CT作为筛查载体，通过AI一次性评估多种癌症风险。这意味着患者做一次胸部或腹部CT，AI可同步输出多癌种的初步筛查意见。对于45岁以上定期体检人群，这种"一次扫描、多癌覆盖"的模式有望显著提升癌症早诊率。

当然，路线跑通不等于商业闭环。达摩院若想将这一技术转化为可持续的医疗服务，仍需在产品形态、合作模式、数据合规等方面持续探索。但无论如何，首个肠癌"无感"筛查AI的落地，已为行业撕开了一道口子。