AI模型助力胆囊癌早期诊断：多中心研究显示高准确率
印度PGIMER的研究人员在《柳叶刀-区域健康》上发表了一种人工智能模型，该模型通过分析标准超声视频，能够准确检测早期胆囊癌。该模型以应用程序形式免费提供，对高风险地区至关重要。
边缘突破：印度AI如何在昂贵系统失效的诊断领域胜出
[核心要点] 真实情况
2026年5月22日，《柳叶刀-区域健康-东南亚》发表的一项研究颠覆了人们对“合格”医疗AI系统的认知。
由PGIMER（昌迪加尔）的Pankaj Gupta博士领导的团队，基于多实例学习技术开发了一种模型，可分析标准超声视频并检测胆囊癌。无需昂贵的CT扫描，无需造影剂，也无需现场配备高度专业化的专家。
该模型获取单个患者的多个超声图像（如同放射科医生在实际操作中所做的那样），输出单一诊断结果——“癌症”或“非癌症”，同时给出概率评分，并高亮显示影响决策的图像区域。
关键的是：团队中的计算机科学家Karthik Bose开发了一款免费桌面应用程序，现已根据请求向医院分发。
为什么这一事件超越了“又一篇AI论文”？
因为这是首次有用于超声癌症诊断的AI系统，其设计目标不是“协助中心医院的专家”，而是完全替代边缘地区专家的缺失。
时间线与背景
2018年： Gupta博士团队启动该项目。他们试图解决的问题几十年来一直存在：印度北部的胆囊癌因发现过晚而导致死亡。每个地区医院都有超声设备，但能够识别早期恶性迹象的放射科医生却严重不足。
2022年： 最新的全球GLOBOCAN数据显示：全球胆囊癌新发病例122,491例。印度以21,870例位居第二，仅次于中国。但比绝对数字更重要的是标准化发病率：印度女性中，ASR为2.1/10万。在北部各邦，这一数字更高。
2026年4月： 研究在《柳叶刀-区域健康-东南亚》发表。该模型基于印度北部四家主要医院的数据进行了验证。
2026年5月22日： 消息进入主流媒体。该应用程序开始向国家级医院开放。
大多数报道未提及的背景：该模型基于多实例学习（MIL）。它不是对单个图像进行分类（伪影可能欺骗算法），而是一个系统，它查看整个图像集，学习识别分散在不同帧中的模式——就像人眼观看视频时一样。
谁赢谁输
赢家（显而易见）：
- PGIMER和Gupta博士团队。 该机构此前主要活跃在印度学术界，如今进入全球AI诊断议程。Pankaj Gupta博士将成为2026-2027年所有主要医疗AI会议的受邀嘉宾。
- 边缘医院及其患者。 在印度北部农村地区，缺乏能够区分早期胆囊癌与慢性结石性胆囊炎的专家，而现在有了一个工具，而且是免费的。
- 印度北部女性。 胆囊癌是印度北部女性中最常见的消化系统癌症。发病率为21/10万女性。胆石症是主要风险因素，80%的胆囊癌患者患有胆石症。这一群体将从早期诊断中获益最多。
输家：
- 印度昂贵的CT和MRI系统制造商。 AI使超声诊断越准确，转诊进行CT检查的次数就越少。每次避免的转诊意味着诊断中心损失50-200美元。在整个印度，这相当于数百万美元。
- 试图进入印度市场的西方AI初创公司。 它们以数千美元每许可的价格销售解决方案，通常还附带订阅费。PGIMER免费提供其应用程序。在价格敏感的印度边缘医疗领域，这一因素决定一切。
- 小城镇的放射科医生。 不是因为他们会失业（已经严重短缺），而是因为他们基于超声判读付费咨询的商业模式将受到挑战。一个免费诊断的应用程序使这项服务贬值。
媒体未提及的内容
非显而易见洞察1：免费应用程序是高明但高风险之举
PGIMER团队将应用程序免费提供。这看似利他主义，但实际上，这是此类系统在印度公立医院部署的唯一途径——这些医院在地区层面的IT采购预算通常每年不超过5,000-10,000美元。
但免费也有弊端：谁来支付支持费用？
新数据到来时的模型更新。与不同超声设备（印度有数十种不同制造商的型号）的集成。为非IT专业的医生提供技术支持。
目前，PGIMER团队依靠资助资金进行这些工作。但资助终会耗尽。医疗AI系统不能“被抛弃”——它需要持续的质量控制和更新。
12-18个月后可能的情景：免费基础版保留，但高级功能（与HIS集成、自动转诊生成、远程审计）将收费。或者，印度卫生部将提供用于推广的政府合同。
非显而易见洞察2：选择胆囊癌并非偶然。这是证明“AI为穷人”概念的理想模型
Gupta博士团队选择这一领域并非偶然。
胆囊癌的诊断流程清晰、直接且“常规”：超声→如有怀疑→CT/MRI。问题不在于缺乏技术，而在于第一阶段缺乏资质。
这是AI可以替代的不是医生，而是“医生缺失”的完美领域。这一证明适用于全球任何存在类似问题的地区——从孟加拉国农村（女性ASR 7.7，几乎是印度的4倍）到智利偏远地区（ASR 7.4）和玻利维亚（ASR 8.4）。
此外，从循证医学角度看，这是一个干净的模型：二元结果（癌症/非癌症）、金标准验证（胆囊切除术或活检后的组织学）、明确的纳入标准。
如果该模型在前瞻性试验中显示出高灵敏度和特异性（团队已在规划下一阶段），它可以适应其他通过超声诊断的癌症——卵巢癌、肝癌、胰腺癌。
非显而易见洞察3：临床前数据显示灵敏度仍远非理想
在同一团队更早的工作中（2024年，《临床与实验肝病学》），比较了两种深度模型——GBCNet和MedViT——用于非诊断性超声中胆囊病变的分类。
结果并不突出：GBCNet检测癌症的灵敏度为51.1%，特异性83.3%，AUC 0.709。MedViT灵敏度为92.8%，但特异性仅为50%。
这意味着一个模型漏掉了一半的癌症病例。另一个模型在一半病例中给出假警报。
2026年《柳叶刀-区域健康》的研究可能显示了更好的结果（否则不会在该期刊发表），但现有资料未披露具体指标。在没有完整误差矩阵的情况下，判断该模型是否真正适合临床使用还为时过早。
预测：未来30天和90天
30天（至2026年6月底）：
- 医院请求浪潮。 PGIMER已收到来自“国家级医院”的应用程序请求。一个月内，请求数量将增至数十个。问题在于团队如何在没有专职人员的情况下处理分发和初步培训。
- 完整指标公布。 预计在未来几周内，Gupta本人或独立分析师将披露2026年研究中模型的准确灵敏度、特异性和AUC。如果灵敏度超过85%且特异性高于80%，则达到商业水平。如果较低，则仍为小众筛查工具。
- 与政府谈判。 印度卫生部可能已了解该开发。未来30天将显示是否会出现5-10个地区医院的官方试点实施计划。此类试点的预算在12个月内为50万至100万美元。
90天（至2026年8月底）：
- 启动前瞻性临床试验。 Gupta博士团队已表示计划在前瞻性试验中验证模型。设计：纳入疑似胆囊癌患者，并行超声AI判读和独立验证（CT/MRI+组织学）。入组期：6-12个月，结果不早于2027年。
- 集成到超声工作流程。 当前版本是桌面应用程序，需要手动上传图像。下一步是直接集成到超声设备中。PGIMER已在探索这一可能性。技术上更复杂且更昂贵，但这种形式将使技术对医生“透明”。
- 国际组织关注。 WHO、比尔及梅琳达·盖茨基金会、世界银行——都对在资源匮乏环境中可扩展的癌症诊断解决方案感兴趣。90天内，可能出现关于资助下一阶段的初步接触。潜在资助金额：3年内200万至500万美元。
主要预测：
2-3年内，PGIMER模型将成为：
- (a) 印度国家胆囊癌筛查系统——如果前瞻性试验证实有效性且政府拨出推广预算。
- (b) 用于资源匮乏环境的医疗AI开源库——如果模型未达到所需准确度，但MIL方法被证明可重复，其他团队开始将其应用于自己的任务。
无论如何，PGIMER已经做到了西方大学或公司未能做到的事情：创建了一个用于癌症诊断的AI工具，它免费、可在常规设备上运行，并且不需要高操作技能。
正是在这些“丑陋”、“小众”、“边缘”的项目中——而非关于无所不能的AI的响亮声明——真正的医疗革命正在为全球40亿缺乏专业诊断服务的人们诞生。
PGIMER没有等待别人来解决他们的问题。他们拿起超声，加入一点机器学习，然后免费提供给最需要的人。这就是医疗AI的最佳状态。
— Editorial Team
