本文是專業學術論文解讀，不做醫療建議。
近日，上海科技大學錢學駿教授團隊取得了一項重要突破 – 他們研發的 AI 系統，能從同一張胸部 CT 裏同時篩查肺癌和乳腺癌。這套系統名叫 OMAFound，名字裏的 OMA 是英文“癌”（Carcinoma）的後三個字母，Found 則兼具“基礎模型”和“發現”的含義，直白凸顯了它擅長髮現癌症的核心能力。相關論文發表於 Nature Health 上。
使用時，大家只需做一次普通 CT，比如體檢時常見的低劑量胸部 CT，就能同時篩查出全球發病率前兩位的癌症 – 女性特有的乳腺癌和男女都高發的肺癌，準確率接近專業檢查。
這個成果的核心就是一次 CT 掃完，兩個器官都查了。他們在四家醫院的兩萬多名體檢人羣裏測試，結果發現對於女性 AI 發現乳腺癌的準確率達到 82.2%，發現肺癌的準確率達到 88%。
男性只能看肺癌，準確率達到 86.1%。更重要的是，有了 AI 幫忙，參與合作的 7 位放射科醫生的敏感度平均提高了 38.9%。乳腺癌漏診率一下子降下來，患者也不需要多花錢、多被動接受輻射和多花費時間。
（來源：Nature Health）
很多人在體檢時都做過胸部 CT。體檢時躺上去，十幾秒就掃完了，大家通常只關注肺部有沒有結節。其實，這張片子也拍到了乳腺。只是醫生平時重點關注肺部，那些藏在角落裏的乳腺組織，往往會被忽略。
錢學駿告訴 DeepTech，女性健康一直以來都是全球的重要關注點，國家早在 2009 年就出臺了包括乳腺癌的“兩癌”篩查項目，2019 年更是納入基本公共衛生項目，覆蓋全國城鎮和鄉村，意義重大。“我們就想能不能做得更普適，讓更多人受益，而不是隻關注已經患癌的人羣（畢竟是少數人）。”他說。
他進一步解釋，癌症患者確診後，治療固然重要，但篩查越靠前、發現得越早，對患者的治療效果和心理狀態影響越大。“身邊很多案例，很後悔爲什麼沒早期發現，發現就是中期甚至晚期。如果機會性篩查時拍個胸片或 CT 就看出來了，早發現治癒率基本百分之百，受益非常大。”他表示。
（來源：愛康 2025 中國女性健康粉紅報告）
而他在這一領域的研究持續了將近十年。據瞭解，錢學駿回國之前在美國南加州大學獲得博士學位，之後在該校醫學院從博士後研究。2023 年初回國，在上海科技大學獨立組建了實驗室，這次成果也基於其近年來的持續積累。
圖 | 錢學駿（來源：受訪者）
他最早關注到的痛點，是超聲看乳腺不夠準確。尤其對於中國女性來說，乳腺組織偏緻密，早期病竈在超聲上不明顯，容易漏掉。2021 年，他和合作者發了一篇 Nature Biomedical Engineerning 論文，那篇論文做的是多模態超聲融合。
傳統超聲只有 B 模式，他們加上了彩色多普勒查看血流，還加上了彈性成像測硬度。三種模式、兩個切面、6 張圖一起餵給 AI，讓模型學會從不同角度判斷病竈性質。當時的效果已經不錯，在測試集 AUC 上達到 0.955，和放射科醫生不相上下。
但那還不夠。臨牀上，乳腺檢查的黃金標準是超聲加鉬靶一起做。可問題是患者去了醫院，到底應該先做哪個？兩個都做太費錢，只做一個又怕漏。
2024 年，他和合作者又發了一篇 Nature Biomedical Engineering 論文，這次把超聲和鉬靶的圖像都拿過來，再加上患者的年齡和 BMI 這些臨牀信息，做了一個多模態模型。模型能夠同時使用兩種影像，還能把臨牀信息融合進去，在疑難的四類病竈上，效果比放射科醫生還好。
但這兩步都是在患者已經發現症狀（如疼痛，不適，有硬物等）之後做的。錢學駿想做的事情是：能不能再往前推一步，在還沒有發現問題的時候，就能幫助更多人篩選出來？
這就是此次的新工作。他和團隊發現胸部 CT 在中國用得太多了。體檢、門診、術前檢查，動不動就開一張。在這些患者裏，他們大部分沒有做過乳腺鉬靶，甚至沒有想過要查乳腺。但在他們的 CT 片子裏，乳腺其實已經被拍到了。
（來源：Nature Health）
傳統上，CT 並未被用來查乳腺，因爲軟組織對比度不夠，醫生沒法直接看。但他想的是醫生看不了，AI 能不能看？他和團隊使用了幾十萬張 CT 片子來訓練模型，讓 AI 學會從正常的胸部掃描裏找到那些微小的、容易被忽略的異常信號，結果發現這個方案是可行的。
更重要的是，這個方案不會給患者帶來任何額外負擔。片子是本來就拍的，AI 分析是後臺跑的，患者不需要額外跑一趟，不需要多付錢，不需要再受一次輻射。
這種思路叫做“機會性篩查”，不是專門爲了查癌去拍攝片子，是在已有的檢查裏順便把癌症給篩選出來。他表示：“因爲沒有任何經濟負擔，甚至不發達國家有低端設備也能幹一次全查完。從經濟便捷角度非常實用。”
（來源：Nature Health）
他告訴 DeepTech：“這次和安徽的醫院合作，其實也是延續，從作者列表能看出來，我們核心團隊一直在堅持做這個。我們不是東打一槍西打一槍，而是圍繞乳腺領域做實用研究。合作的醫生是乳腺外科的，對這個方向有很強需求，我們圍繞共同話題，一直用現有技術和資源，沿着乳腺癌精準診斷和防治往下做。”
他補充稱：“能有這一系列連貫的成果，離不開目前所在單位領導與平臺的很多支持，尤其是算力上的，這對 AI 很重要。”
下一步，他和團隊希望精進模型的性能，做一些工程化的努力，實現科研的轉化，真正落地到醫院裏。
參考資料：
https://doi.org/10.1038/s44360-026-00055-8
https://doi.org/10.1038/s41551-021-00711-2
https://doi.org/10.1038/s41551-024-01302-7
運營/排版：何晨龍
本文是專業學術論文解讀，不做醫療建議。
