麻省理工学院与哈佛大学医学院联合研究团队近日宣布，其开发的"OncAI"深度学习系统在癌症早期检测领域取得突破性进展。该系统通过分析X光片、CT扫描及核磁共振成像等医学影像数据，能够识别传统方法难以察觉的早期癌变信号。
根据发表在《自然医学》期刊的最新研究报告，OncAI在针对肺癌、乳腺癌和前列腺癌的临床测试中展现出卓越性能。系统采用多层卷积神经网络处理超过50万份匿名医学影像，对早期癌变区域的识别准确率达到95.7%，较现有诊断工具提升近20个百分点。研究显示，该技术可将癌症早期诊断率提高32%，同时降低28%的误诊率。
项目首席科学家艾米丽·张博士表示："OncAI的核心优势在于其微米级病变检测能力。许多癌症在患者出现症状前6-12个月就已产生影像学特征，我们的算法能捕捉这些细微变化，为及时干预创造关键窗口期。"系统特别针对不同人种的生理差异进行了优化训练，确保在亚洲、非洲及欧美人群中的检测一致性。
美国食品药品监督管理局（FDA）已授予该技术"突破性医疗器械"认定，加速审批流程。研究团队透露，目前正与全球20家顶尖医疗机构合作扩大临床试验规模，重点验证系统对胰腺癌、卵巢癌等难检癌症类型的适用性。预计2026年初将率先在北美和欧洲的癌症筛查中心投入使用。
医学专家指出，这项技术不仅将重塑癌症诊断标准，还能显著降低医疗成本。通过减少不必要的活检程序和缩短诊断周期，每年有望为美国医疗系统节省超过150亿美元开支。世界卫生组织已将其列为"全球癌症防控优先技术"，计划在发展中国家推广简化版系统。
【全文结束】
