于红刚

人工智能（artificial intelligence, AI），是研究使机器模拟人类的某些思维过程和行为的一门新的技术科学。深度学习是AI领域的一个重要分支，特指基于深层神经网络实现的模型或算法，是人工神经网络的最新发展趋势。随着2006年深度学习技术的提出，AI迎来发展的第三次浪潮，自动驾驶汽车的测试成功、AlphaGo击败围棋世界冠军，短短几年时间，AI逐步进入大众视野，进军医疗行业，成为研究热点。作为AI医疗应用的热点领域，消化内镜AI有望给消化内镜诊疗带来革命性的变化。我国在这轮科技竞争中与发达国家站在同一起跑线上，抓住了AI技术，就是抓住了新一轮信息技术革命的核心。

AI的研究与应用，是人类利用现代科学技术向智能世界的窥探。在互联网时代的大背景下，消化内镜AI的相关研究进入了快速发展的高速轨道，整体研究成果意义非凡。

AI提高消化内镜的检查质量

消化疾病是全球性的常见疾病，严重影响人类的健康。2015年，我国食管癌、胃癌、结直肠癌患病人数近150万人，死亡人数大于100万人，占癌症总死亡人数的1/3。消化内镜检查是目前临床上筛查和诊断消化道疾病最常用的强有力方法。虽然包括辅助装置和光学增强技术在内的多种技术可以帮助内镜医师发现病变，并提高疾病检出率。然而，我国人口基数大，消化内镜诊疗的需求量大，人均消化内镜医师数量少，内镜医师临床经验及诊疗水平参差不齐，消化内镜医疗资源分布不均，严重威胁着我国广大患者的生命健康。

内镜检查过程中，完整地观察到全消化道是避免病灶漏检的关键。根据欧洲消化内镜学会的胃镜操作指南和日本胃镜标准筛查方案，我们创新性地运用AI技术来监测医生的检查是否覆盖上消化道的26个部位，规范内镜医师的操作，培养内镜医师的良好习惯，减少内镜操作中的盲区。上消化道质控系统构建完成后，武汉大学人民医院共招募324例患者进行随机对照临床试验，试验组在AI系统的辅助下完成胃镜，对照组进行常规胃镜操作，结果显示试验组的检查盲区率（5.9％）显著低于对照组（22.5％），反映出AI在改善日常内镜检查质量方面的潜力。

对于下消化道检查，指南推荐结肠镜检查中退镜时间不应该低于6 min。退镜时间会影响腺瘤检出率，以6 min作为分界线，退镜时间低于6 min的腺瘤检出率为11.8%，而退镜时间为6 min以上的腺瘤检出率为28.3%。此外，在退镜过程中，结肠镜可能会滑脱，特别是在肝曲处，导致结肠镜检查时出现盲区和漏诊的情况。武汉大学人民医院消化内科团队使用深度学习和机器学习技术，构建下消化道AI质量控制系统，监测退镜速度、记录结肠镜进退镜时间，并提醒内镜医师注意因滑镜产生的盲区。随后招募791例患者进行随机对照临床试验，试验组在AI系统的辅助下完成结肠镜检查，对照组无AI辅助完成结肠镜检查，结果表明试验组的腺瘤检出率（16.34％）显著高于对照组（7.74％）。AI系统通过改善结肠镜检查质量极大地提高了腺瘤和息肉的检出率，它有望成为缩小内镜医师技能差异的强大辅助工具。

AI在结直肠肠道清洁度中的应用

结肠镜检查前须行严格的肠道清洁准备。充分的肠道准备可使患者获得较高的肠道清洁度，对实现高质量的肠镜诊疗具有重要意义。肠道准备不充分可降低结肠镜检查的有效性和安全性，且影响肠镜检查的腺瘤检出率。根据波士顿评分等清洁度评分标准，AI技术可以对结肠各肠段肠道准备进行智能质控，自动识别判断各肠段准备质量并实时进行肠道准备情况的评价。

AI辅助病灶筛查

结直肠癌大多由结直肠腺瘤演变而来，及时发现并切除腺瘤，可以显著降低结直肠癌的发生率和死亡率。腺瘤检出率每增加1%，可以降低3%的结肠癌发生率，可以降低5%的癌症死亡率。大量工作下医生容易产生视觉疲劳，AI技术可以辅助发现微小病灶，减少在内镜检查过程遗漏小型、难以察觉的病灶。武汉大学人民医院消化内科团队构建的AI息肉检出系统在图片中的敏感性达到98.13%；四川省人民医院王璞教授研发了AI结肠息肉检测系统，并在临床中验证系统的有效性；腾讯觅影利用深度学习技术实现了实时检测息肉并判断息肉性质。确定结直肠息肉类型（肿瘤性或非肿瘤性）对患者的治疗和预后十分重要。实时准确判断息肉的病理类型以指导处理策略，从而减少不必要的病理检查和内镜治疗，已成为临床工作的迫切需求。在窄带成像光源下，AI技术能够以较高的准确度实时判断息肉的组织学分型，提高内镜医生判断的准确度。

通过消化内镜对肿瘤进行早发现、早诊断、早治疗，一直以来是中华医学会消化内镜学分会的工作重点。早期胃癌黏膜改变轻微，病灶隐蔽难以识别，部分医师对早癌病变形态学的认识不足，导致早癌漏诊。AI可以辅助发现早期胃癌病灶，对疑似病灶进行风险度提示，防止医师漏诊。武汉大学人民医院消化内科是国内最早一批进行消化道AI研究的团队之一，历经3年研发出了用于消化道质控的AI系统“内镜精灵”，内镜精灵辅助医师发现早癌病灶，能解决早癌筛查中查不全与查不准的问题，大幅度提高早癌的检出率。研究显示在相同测试集中，内镜精灵识别早癌的准确率已达到92%，显著高于专家组（90%）、高年资组（87%）和低年资组（81%）的医师诊断准确率。

迎接挑战，展望未来

消化内镜AI的研究处于初期探索和临床实用前阶段，在研究和应用过程中产生许多问题值得广大研究者进一步探索。

数据集是深度学习的灵魂，它的质量和数目，直接影响模型识别准确度与模型推广后的泛化能力。低质量数据集、未充分标注的数据集以及数据集过小是制约模型进一步优化的主要问题。真诚地希望广大研究者发挥集体努力从而建设更优质的数据集。

此外，相关研究者必须要注意算法偏见问题。现存的大多数相关研究，都是单中心研究，在纳入大量数据进行模型训练时，数据集都来自于同一家医院。不同医院应用的主要内镜设备不同，产生的内镜图像亦有差别。因深度学习模型的输入层和输出层之间，没有明确的对应关系，其决策过程的内在逻辑是人类难以理解的“黑盒子”；当算法改变或者有部分损失时，相应输出的结果也有可能和初代系统的输出有所差异，造成漏诊、误诊，甚至产生伦理问题。

AI已经显示出它在为内镜医生提供决策和诊断等方面的巨大潜力。目前，大多数相关研究还是停留在使用图像和视频模型进行验证的研究阶段，无法推广到临床实用。因此，前瞻性的、多中心的临床研究亟需开展。相关研究者下一步的首要目标是优化AI技术，致力于将训练成果推广到临床应用。

综上所述，AI在消化内镜领域的研究，其意义是非同凡响的，其前景是无限光明的！希望各位同道深度解析AI技术，从临床实际需求出发，形成一套AI技术驱动的服务于消化内科医生的智能化工具。相信在我们的共同努力下，AI将给消化界带来不一样的体验！