一次因体检、腹痛或其他疾病接受的腹部平扫CT，能否同时成为发现胃癌高危人群的一次机会？
浙江省肿瘤医院给出的答案是：通过人工智能分析既有平扫CT影像，可以从大规模受检人群中识别胃癌风险，进一步引导高危人群接受胃镜检查，使传统的“问卷初筛—胃镜确诊”模式拥有更加精准的前置筛选工具。
在2026长三角医院联盟三省一市高质量发展交流会上，浙江省肿瘤医院党委书记程向东教授以《全球首个胃癌影像AI筛查模型的开发及应用》为题，发布长三角医院高质量发展“可复制、可推广”典型案例，系统介绍了GRAPE胃癌影像AI筛查模型的研发、多中心验证和临床应用情况。
从发现筛查痛点，到组织全国多中心研究；从完成模型训练和外部验证，到开展超过20万人规模的前瞻性机会性筛查，浙江省肿瘤医院正在探索一条以临床问题为起点、以既有影像资源为基础、以人工智能为工具、以胃镜确诊为闭环的胃癌筛查新路径。
从胃癌早诊难题出发，
寻找更高效的筛查方式
我国是胃癌高发国家，同时面临早期胃癌发现比例相对较低的问题。
程向东书记在分享中介绍，我国胃癌患者首诊时的早期胃癌比例约为15%至20%，而日本、韩国可以达到60%至70%。要提高胃癌患者的生存水平，关键仍在于推动防治关口前移，提高早期发现和早期诊断能力。
但胃癌筛查长期面临一个现实难题：胃镜虽然是诊断胃癌的重要手段，却难以直接覆盖大规模普通人群。
国家城市癌症早诊早治项目2013年至2019年的数据显示，传统筛查主要通过问卷和肿瘤标志物识别高危人群，再动员高危对象接受内镜检查。
在198626例受筛人群中，44035例被判定为初筛阳性，初筛阳性率为22.17%；其中13346例接受内镜检查，内镜依从率为30.31%；最终检出胃癌155例，癌症检出率为1.16%。
也就是说，传统模式需要先筛出较大规模的高危人群，再投入较多胃镜资源进行检查，但实际接受胃镜的人数有限，最终癌症检出效率仍有提升空间。
“投入高、产出低、普惠难”，成为胃癌大规模筛查需要破解的突出问题。
从肺癌筛查获得启发，
重新利用平扫CT影像
低剂量CT的普及显著提高了肺癌的早期发现能力。由此，浙江省肿瘤医院团队开始思考：腹部平扫CT中是否也包含可以识别胃癌的影像信息？
在日常医疗服务中，大量患者因体检、腹部症状、外伤或其他疾病接受平扫CT检查。这些影像原本并非专门用于胃癌筛查，但如果人工智能能够从中识别胃部异常，就可能在不改变原有检查流程的基础上，为受检者增加一次胃癌风险识别的机会。
基于这一思路，浙江省肿瘤医院团队研发了GRAPE模型，即基于人工智能的胃癌风险评估程序。这是一套以非增强腹部CT，也就是平扫CT为输入的胃癌影像AI筛查模型。
模型首先对胃部区域进行分割，再通过联合分割—分类网络提取多层级影像特征，最终输出胃癌发生概率和疑似病灶位置。
其目的不是取代胃镜检查，而是从大规模平扫CT受检人群中，更精准地筛选出需要进一步接受胃镜检查的高风险对象。
全国18家中心参与，
构建大规模多中心研究基础
GRAPE模型研究纳入全国18家中心2010年至2024年间接受非增强腹部CT检查的105415例受试者。
训练集包括6720例受试者，其中胃癌患者3470例，非胃癌受试者3250例。研究团队结合胃镜报告，在CT影像中勾画胃癌原发病灶区域，并通过影像配准、胃区分割和多层级特征提取，训练模型识别胃癌风险及病灶位置。
在内部验证中，研究纳入浙江省肿瘤医院和宁波市第二医院的1298例受试者，模型AUC达到0.970。
在外部验证中，研究纳入全国16个中心的18230例受试者，模型AUC仍达到0.927，显示出在不同医疗机构和不同人群中的稳定识别能力。
相关研究成果于2025年发表于《Nature Medicine》。
从单中心数据训练，到跨医院外部验证，这项研究并未将模型效果局限在一家肿瘤专科医院，而是通过多地区、多机构样本检验模型的适用性，为后续临床推广奠定基础。
从模型指标走向真实筛查效果
人工智能模型能否进入临床，不能只看算法指标，更要看能否真正发现患者。
浙江省肿瘤医院团队进一步在真实医疗场景中开展验证。在三个中心约10万例平扫CT受检者中，GRAPE模型筛选出约6.2%的胃癌高危人群。经胃镜检查证实，胃癌检出率达到24.49%。
相比之下，传统问卷法可将约20%至25%的人群划分为高危，但接受胃镜后的胃癌检出率为1.16%。
这意味着，GRAPE模型能够从更大规模的平扫CT受检者中，筛选出比例相对较小、但胃癌风险更加集中的人群，从而提高后续胃镜检查的针对性。
在基层医疗机构的应用中，奉化区人民医院对20097例平扫CT受检者开展模型验证，GRAPE模型识别出约6.2%的胃癌高危人群。
经后续胃镜检查和随访，确诊胃癌289例，发现非胃癌病例261例，另有630例经过一年以上随访未发现异常。
这项实践表明，胃癌影像AI筛查不仅可以应用于肿瘤专科医院，也可以进入综合医院和基层医院的日常CT检查场景。
超过22万人前瞻性筛查，
验证临床流程可行性
在完成回顾性研究和多中心验证后，团队进一步开展基于GRAPE模型的大规模机会性筛查前瞻性临床研究。
截至发布时，研究累计筛查224625人，模型识别胃癌高危对象2654人，占筛查总数的1.18%。
在排除既往肿瘤病史、高龄且身体状况较差、急性外伤、正在接受其他手术治疗等不适合进一步检查的对象后，共动员1250名高危受检者接受胃镜检查。
其中1001人完成胃镜，完成率达到80.08%。
在完成胃镜检查的1001人中，共发现胃部肿瘤212例，占21.18%；其中胃癌192例，占胃部肿瘤的90.57%。
在192例胃癌中，T1期33例、T2期40例，T1期与T2期合计73例，占37.91%；此外还发现其他胃部肿瘤20例，以及息肉、溃疡、糜烂等非肿瘤性疾病438例。
从模型筛查、风险提示，到排除不适合检查对象、动员胃镜检查，再到病理诊断和分期，团队逐步建立了相对完整的机会性筛查流程。
这一结果也说明，AI筛查的价值并不只体现在发现胃癌，还可以帮助识别其他胃部肿瘤以及需要进一步治疗或随访的胃部疾病。
一次CT，多一次发现
早期胃癌的机会
GRAPE模型所探索的，是一种不同于传统人群筛查的“机会性筛查”模式。
它不是专门组织所有居民重新接受一次CT检查，而是在患者已经完成腹部平扫CT的情况下，利用人工智能对既有影像进行再次分析。
如果模型判断胃癌风险较高，再由医生结合患者年龄、既往疾病和身体状况进行评估，动员适合的对象接受胃镜检查。
这种方式充分利用医院日常诊疗过程中已经产生的影像数据，使一次原本用于其他目的的CT检查，同时承载胃癌风险识别的功能。
对患者而言，是在原有检查基础上多了一次发现胃癌的机会；对医院而言，则是在不直接扩大胃镜普查范围的情况下，将有限的内镜资源更集中地用于真正的高风险人群。
可复制、可推广的核心路径
浙江省肿瘤医院的实践显示，一项人工智能筛查技术要从模型走向临床，需要形成完整的实施链条。
第一，从明确的临床痛点出发
GRAPE模型并不是为了开发人工智能而开发人工智能，其出发点是传统胃癌筛查高危人群覆盖面较大、胃镜依从率较低、癌症检出率不高等现实问题。
模型研发始终围绕一个明确目标：如何更加精准地找到真正需要接受胃镜检查的人。
第二，利用已有医疗数据开展机会性筛查
模型以日常诊疗中广泛存在的非增强腹部CT为基础，不改变患者原有检查项目，通过对既有影像进行分析增加筛查价值。
这种“存量数据再利用”的方式，为人工智能在医院中的规模化应用提供了现实场景。
第三，坚持多中心训练和外部验证
研究覆盖全国18家中心，并在16个外部中心开展验证，避免模型只适用于单家医院的数据和设备环境。
多中心验证是模型由科研成果走向临床应用的重要基础。
第四，建立“AI提示—医生评估—胃镜确诊”的闭环
AI只能完成风险识别，不能替代临床诊断。
浙江省肿瘤医院建立了从模型筛查、高危对象排除、患者动员、胃镜检查到病理诊断和分期的完整流程，使算法输出能够真正转化为临床行动。
第五，用真实临床结果评价模型
除了AUC等算法指标，团队还重点关注高危人群比例、胃镜完成率、胃癌检出率、早期胃癌比例和漏诊情况。
评价人工智能筛查模型的最终标准，不是模型参数有多高，而是能否更早发现患者、提高筛查效率。
结语
从传统问卷筛查的现实难题，到利用平扫CT影像识别胃癌风险；从全国18家中心参与研究，到超过22万人接受前瞻性机会性筛查，浙江省肿瘤医院正在推动胃癌筛查由广泛识别高危人群，向更加精准地发现重点对象转变。
这一案例最值得长三角医院借鉴的，不只是一个人工智能模型，而是一套从临床问题出发，贯通数据研究、模型验证、患者动员、胃镜确诊和效果评价的临床转化路径。
让已有影像数据产生新的价值，让有限胃镜资源用于更需要的人，让更多胃癌患者在早期被发现。
这正是人工智能赋能肿瘤防治和公立医院高质量发展的现实意义。
邮箱：smia@smia.com.cn
地址：上海市长宁区延安西路1160号 首信银都国际广场1201室
微信公众号