你早就照過的 CT：COCA 從 2.7 萬張例行掃描中揪出大腸癌

每年有數千萬人次因外傷、不明腹痛或癌症分期接受腹部與骨盆腔 CT 掃描，而其中幾乎沒有一張是以「檢查大腸」為目的來判讀的。名為 COCA（COlorectal Cancer detection with AI）的深度學習模型，正是為了翻轉這一點而生——研發團隊包括阿里巴巴達摩院。這項多中心國際世代研究發表於《Annals of Oncology》，並在本週獲得臨床媒體的重新關注，其結果為「機會性篩檢」（opportunistic screening）提出了出乎意料的有力論證：從那些當初為了別的原因而照的掃描裡，挖出癌症。

COCA 做了什麼

COCA 接收的是例行的無顯影劑 CT 影像體積——就是醫院檔案庫裡早已存在數百萬張的那種——並在大約 30 秒內產出大腸癌評估。架構上，它採用病灶分割與分類的聯合模型，以混合監督式學習訓練：模型必須同時定位可疑區域並加以分類，而不是只對整張掃描給一個分數。

這個設計至關重要。無顯影劑 CT 過去一直被認為不適合偵測大腸腫瘤：軟組織對比度低、腸道擴張不足、影像特徵不具特異性。先前研究指出，無顯影劑 CT 對大腸癌的敏感度通常不到 60%。大腸從來就不是這些掃描的目的。

關鍵數字

這項研究的規模落在關鍵處。COCA 的開發使用來自兩家醫院的 1,321 名大腸癌患者與 1,357 名對照組。驗證則分三個層次展開：

• 多中心國際驗證：6 家中心、2,053 名患者，曲線下面積（AUC）介於 0.967 至 0.996。在納入 10 位不同年資放射科醫師的判讀研究中，COCA 將偵測敏感度提升 20.4 個百分點，特異度提升 5.4 個百分點。
• 第一個實世界世代：9,014 名連續患者，涵蓋健檢、急診、門診與住院情境。敏感度 88.2%，特異度 99.5%。
• 第二個外部實世界世代：18,419 名連續患者。敏感度 86.6%，特異度 99.8%，陽性預測值 63.4%。

在這些實世界世代中，COCA 共標記出 5 例在急診、住院與門診情境下被臨床醫師實際漏診的大腸癌——這正是機會性篩檢存在的意義：抓住那些從縫隙中漏掉的人。值得注意的是，模型的增益集中在乙狀結腸與直腸，這兩個區域合計約占病例的 40%，也是放射科醫師在無顯影劑影像上最難評估的部位。

為什麼重要

臨床背景是一個會漏水的篩檢體系。美國預防服務工作小組（USPSTF）建議所有 45 至 75 歲成人接受大腸癌篩檢，但遵循率始終低於 60%，離 80% 的目標有一大段距離，且 76% 的大腸癌死亡發生在未能及時篩檢的人身上。現有的每一種選項都帶著門檻：大腸鏡具侵入性、CT 結腸攝影需要灌氣、膠囊大腸鏡需要嚴格的清腸準備、糞便 DNA 檢測常卡在採檢意願，而較新的游離 DNA 血液檢測敏感度仍不理想。

COCA 用另一種方式繞過所有門檻：它不要求任何人做任何新的事情。掃描已經照了，患者已經躺過檢查台了。如果這個模型在前瞻性試驗中的表現與回溯性研究一致，那麼一大群從未篩檢的民眾，將因為他們本來就要做的影像檢查，順帶完成一次大腸癌檢查——无需清腸、無需額外掛號、無需新的療程。

以 99.5% 的特異度計算，偽陽性的數量也可控：每篩檢 1 萬人約產生 50 個偽陽性，研究團隊建議由專家複閱標記個案後再行召回。

限制——而且是真的存在

研究團隊坦承這還不是一款篩檢產品。最主要的限制在於：COCA 只偵測大腸癌。它無法評估非癌症病變——實務上，它的許多偽陽性其實是具臨床意義的發現：潰瘍性結腸炎、克隆氏症、憩室炎、闌尾炎。這些本身就需要追蹤，但模型無法區分惡性腫瘤與其他被標記的異常，這讓召回流程變得複雜。

除此之外，法規核准、偶然發現（incidental findings）的知情同意框架，以及與醫院影像存檔系統（PACS）的安全整合，都還是必要前提。與糞便 DNA 及血液檢測的比較屬於非隨機化、且來自不同族群，跨檢測方式的宣稱需要保持謹慎。兩項前瞻性研究已在規劃中，其中包括針對 45 至 75 歲無症狀成人的族群篩檢計畫——那才是真正能驗證機會性 CT 篩檢能否成為政策的試驗。

更大的圖像

COCA 反映了醫療 AI 的一個更大轉向：從「為新目的做新掃描」變成「用新的眼睛看舊資料」。阿里巴巴達摩院一直在打造這類機會性篩檢模型組合——其平台列出大腸癌、胰臟癌、心血管與脂肪肝篩檢工具——而 WHO 合作的 AI 健康計畫，也正是看中這個模式，希望觸及專屬篩檢計畫從未達到規模的地區。與此同時，其他團隊已展示 AI 能在常規 CT 上比傳統診斷提早一年以上標記出胰臟癌。

經濟學是這裡最安靜的故事。一個能在 30 秒內跑完既有掃描、敏感度約 87–88%、特異度 99.5% 以上的模型，等於把沉沒的影像成本轉化為篩檢資產。如果前瞻性試驗站得住腳，辯論的焦點將從「AI 會不會讀片」轉向「我們要回頭挖掘哪些影像檔案——以及誰同意讓自己當年的外傷 CT 被重新讀一次找癌症？」

就目前而言，COCA 是一個經過嚴謹驗證的研究成果：在 27,433 名連續實世界患者身上，在一項放射科醫師根本沒有執行的任務上，比 10 位放射科醫師表現得更好——而那些掃描，沒有一張是為了癌症而照的。這是一個很強的起點。