2月5日，上海临床研究中心特聘科学家、上海科技大学生物医学工程学院钱学骏教授团队在《自然-健康》（Nature Health）上在线发表了题为“A foundation model for breast and lung cancer screening using non-contrast computed tomography”的研究论文。首次构建了具备“一扫多筛”多癌筛查能力的CT基础模型OMAFound，并创新性引入“器官水平+个体水平”的双层风险评估体系，为更广泛的多癌筛查提供了新的技术路径。

癌症早期筛查是降低发病率与死亡率的关键环节。然而，筛查面向的是经济、便捷、可高通量覆盖的人群需求，传统“单癌种、单项目”的筛查路径在时间、费用与医疗资源占用等方面成本较高，难以满足无症状人群规模化筛查的现实需要。因此探索“一扫多筛”、兼具成本效益的多癌早筛新策略是提升全民健康覆盖的重要方向之一。平扫CT，尤其是低剂量CT，提供了一种成本低、获取便捷且在多种医疗场景（体检、门诊、住院等）中广泛使用的影像学方案，即便在资源相对匮乏地区也具有较强可及性，使其成为“一扫多筛”的理想载体。但传统人工阅片流程繁琐、信息量大，且诊断一致性与准确性难以充分保证。如何借助人工智能实现精准、分层的多癌筛查，成为亟待突破的关键问题。

为此，研究团队开发了基于平扫CT的多癌筛查基础模型OMAFound。模型利用超过20万张CT数据进行预训练，采用自监督学习提取对设备差异、剂量变化、窗位设置等更具鲁棒性的通用CT表征；随后结合多窗位标注数据进行精细化调优，显著增强了多癌筛查能力。在多中心回顾性数据验证中，OMAFound在乳腺癌与肺癌筛查方面同时展现出可与现有主流筛查方案匹敌的性能：乳腺癌筛查效能接近基于钼靶的筛查体系，肺癌筛查效能接近基于低剂量CT的专用筛查体系。除器官水平评估外，团队进一步提出“个体水平”的风险识别框架，可在一次CT检查中综合评估个体总体癌症风险，用于识别高风险人群并实现高效分诊，从而有针对性地引导后续的专科器官检查与精细化诊断。

在一项覆盖超过2万人群的低剂量CT队列中，OMAFound在女性人群中实现了乳腺癌82.2%、肺癌88.0%的检测准确性；在男性人群中实现了肺癌86.1%的检测准确性。尤为重要的是，在OMAFound辅助下，资深放射科医生的敏感性获得显著提升：乳腺癌平均提升38.9%，肺癌提升16.0%，个体水平评估提升21.3%，同时特异性未受明显影响。这一结果契合筛查任务的核心目标——在可接受的误报范围内尽可能减少漏诊，提高对早期病例的捕捉能力。

OMAFound的另一突出特点是对模型可解释性的重视。由于CT并非常规乳腺癌筛查工具，模型的注意力可视化表征能够帮助医生（尤其是年轻医生）更快速聚焦潜在病灶区域，为机会性乳腺癌筛查提供支持，并增强临床使用的可理解性与可接受度。

经济、便捷与高通量是癌症筛查的关键前提。本研究构建的OMAFound模型为实现AI赋能的“一扫多筛”提供了切实可行的技术工具，有望推动“早发现、早诊断”的落地应用，具有重要的临床价值与社会意义。

上海临床研究中心特聘科学家、上海科技大学钱学骏课题组硕士研究生梁止潆为论文的共同第一作者，硕士研究生胡成璐、本科生吴一鸣为共同作者，钱学骏教授为共同通讯作者。上海科技大学为第一完成单位，上海临床研究中心为合作单位。

论文链接：https://www.nature.com/articles/s44360-026-00055-8