有幸成为参与者

该研究基于超过6800例食管癌或癌前病变患者的CT图像训练EAGLE模型，在3个国家的12个中心进行验证。在常规非增强CT外部多中心验证中，EAGLE对食管癌的灵敏度达90.0%，特异度达98.5%。在LDCT验证中，模型的表现与常规剂量CT相近，提示有望与肺癌LDCT筛查结合，探索“一次胸部CT，多重风险提示”的临床路径。在真实世界验证中，研究团队对模型进行校准升级，形成的EAGLE-Plus在相同灵敏度水平下，假阳性降低72.7%；在非增强CT验证中阳性预测值达到42.2%，在LDCT图像中特异性达99.94%。在筛查点接受非增强CT和内镜检查的人群中，EAGLE对高级别上皮内瘤变的灵敏度为65.0%，对I期食管癌的灵敏度为78.4%。如采用EAGLE对食管癌高发区人群进行预先风险分层，阳性人群转诊内镜检查，可将内镜下高级别病变及食管癌的病变检出率由1.7%提高至5.2%，减少约67.6%的内镜检查，提示EAGLE作为风险分层工具，可显著提高临床资源使用效率。

Al不是为了替代内镜，而是筛选出高风险个体再进 行内镜检查，这样能够让内镜检查更精准，大幅提 升检出率。更重要的是，AI能将防治关口前移，额外提供一次早发现的机会。