人工智能在消化內鏡領域的應用現狀

陳勇濤，賈 軒，蔡建庭

（1 浙江大學醫學院附屬第二醫院消化內科 浙江 杭州 310009）

（2 浙江大學醫學院 浙江 杭州 310011）

消化道惡性疾病在中國以及全世界癌癥相關發病率、病死率榜上居高不下。消化內鏡是消化道疾病早期診斷、治療的重要手段。近年來，內鏡技術如窄帶成像、放大內鏡等迅速發展，內鏡醫生可以在鏡下直觀地發現胃腸道黏膜的病變。但是，我國不同地區醫生資源分配不平衡，各種內鏡醫生的臨床技術水平存在較大差距，消化道疾病檢出率相對較低。人工智能（artificial intelligence,AI）具有快速數據處理和強大的圖像特征提取能力，符合對圖像處理有高度需求的消化內鏡領域的要求，借助AI 技術在消化領域的發展有望解決這些問題。

1. AI 技術簡介

“AI”概念首次提出于1956 年的達特茅斯大會上，標志著現代AI 科技的出現。但AI 在之后的近半個世紀發展中幾經曲折，直至2016 年，AlphaGo 打敗了韓國頂級圍棋高手，才標志著AI 時代的來臨。AI 屬于計算機技術學科中的一個分支，重點在于對語音識別、圖片辨別以及自然語言的處理。機器學習也是AI 系統中的一種，它可以通過對目標原始數據進行特征提取、篩選，并根據篩選出來的特征訓練模型、驗證模型。傳統的機器學習需要通過人為地對研究對象進行特征提取，其算法效果受研究人員提取的特征質量影響，存在一定主觀偏倚。以卷積神經系統（convolutional neural networks,CNN）為代表的深度學習網絡可以通過自主學習，自動提取圖像特征彌補這一缺陷，是目前研究的熱門。目前AI 技術已經運用于部分的臨床實踐中。2016 年，Gulshan 等運用深度學習方法，創建了一種可以自動檢測糖尿病視網膜病變的算法模型。2017 年Esteva 等開發出了一套AI 皮膚癌診斷系統，其功能可與皮膚病專家相媲美。未來，AI 可協助臨床工作者迅速鑒別、判斷臨床病情，提升治療準確性，降低錯誤治療、漏診發生率，實現醫療水平的大幅度提升。

2. AI 在食管疾病中的應用

2.1 Barrett 食管

Barrett 食管是食管腺癌的癌前病變，目前主要通過白光胃鏡與病理活檢對其進行確診，存在較高漏診率，De Groof 等構建了一個深度學習模型，使用包含超過49 萬張內鏡胃腸道靜態圖像的數據庫對該模型進行訓練。通過與非專家級內窺鏡醫生比較，發現該模型的病灶識別準確率更高，并且可以97%的患者中發現最佳活檢部位。

2.2 食管惡性腫瘤

食管癌位居世界腫瘤發病率排行第8 位，腫瘤相關死亡數的第6 位。在我國，食管癌居腫瘤發病率的第6位，腫瘤相關死亡數的第4 位。目前診斷食管癌的方法主要包括白光內鏡、NBI、碘染色等技術，但漏診率高達40%。Horie 等構建了AI 食管癌檢測系統，并回顧性收集來源于384 例患者的8 428 張食管癌圖像對AI 系統進行訓練，將來自47 位食管癌患者和50 例非食管癌患者共1 118 張圖像作為測試集，測試結果顯示，該系統檢測食管癌的靈敏度達到98%，同時可以98%的準確度區分早期和晚期癌癥。食管癌的浸潤深度評估對治療手段的選擇具有重大的參考意義。Nakagawa 等通過使用大量臨床數據構建了基于AI 的食管癌浸潤深度評估系統并對其進行測試，測試結果顯示AI 系統對浸潤深度具有良好的判斷能力。

3. AI 在胃疾病中的應用

3.1 胃非惡性腫瘤性疾病

幽門螺桿菌（helicobacter pylori, Hp）的感染與多種消化系統疾病相關，其早期發現根除可降低人們罹患萎縮性胃炎等疾病的風險。Itoh 等開發了一套AI 系統用于Hp 檢測，測試結果顯示該系統對Hp 檢測的敏感性是86.7%，特異性是86.7%，受試者工作特征曲線下面積（area under curve, AUC）是0.956。Bang 等對AI 用于識別幽門螺桿菌的相關文獻進行了系統回顧，共納入8 篇文獻，包含1 719 名受試對象。分析結果顯示AI 預測Hp 的綜合敏感性、特異性和AUC 分別為0.87、0.86和0.92。張雅瓊等對AI 在慢性萎縮性胃炎方面進行了研究，其共回顧性收集5 470 張來自1 699 例患者的胃竇部圖像，包含3 042 張萎縮性胃炎，2 428 張非萎縮性胃炎，AI 慢性萎縮性胃炎識別系統測試結果顯示，該模型對慢性萎縮性胃炎檢測的準確度、敏感度、特異度分別是0.9424，0.9458，0.9401，優于3 位內鏡專家的識別能力。

3.2 胃惡性腫瘤

胃癌居全球發病率的第5 位，病死率的第4 位，居我國發病率第3 位，病死率第3 位。胃癌發病率高、轉移早，早期治療預后好，中晚期預后均不佳。Ikenoyama 等使用2 940 張測試圖像構建了自動識別胃早癌的AI 系統，同67 位內鏡醫生比較對胃早期癌的識別能力。結果顯示，相較于內鏡醫生，CNN 可以在更短的時間內發現更多的早期胃癌病灶。同時，有學者將AI 應用于胃癌浸潤深度的評估。Hamada 等通過卷積神經系統構建了評估胃癌浸潤深度的AI 系統，經過大量數據的測試，其敏感性、特異性、準確度分別可達到84.9%，70.7%，78.9%。

4. AI 在小腸疾病中的應用

小腸疾病診斷主要依靠膠囊內鏡。膠囊內鏡攝片量大，對閱片能力要求高。經驗豐富的內鏡醫生閱片時間可控制在20 min 內，而缺乏經驗的醫生閱片時間可長達2 h，AI 的發展可有效提高閱片效率。Aoki 等使用5 360 張小腸鏡圖像構建出AI 系統。使用10 440 張小腸鏡圖像作為測試集對系統進行測試，該系統對測試圖像分析總用時233 s，糜爛、潰瘍檢出的AUC 值為0.958，對病灶檢出的靈敏度、特異度、準確性分別為88.2%、90.9%和90.8%。

5. AI 在結腸疾病中的應用

5.1 結腸息肉

結腸腺瘤性息肉是結腸癌的癌前病變，其檢出率每增加1%，結直腸癌發病率減少3%～6%。不同年資內鏡醫生結腸息肉的檢出率可波動7%～53%，提升結腸息肉的檢出率至關重要。Lui 等通過前瞻性試驗在52 例腸鏡檢查過程中應用AI 系統實時探測息肉，實驗結果顯示AI 系統可以防止多達80%的腺瘤漏診，初步證明了AI 技術在臨床的實用性。

5.2 炎癥性腸病

炎癥性腸病包括潰瘍性結腸炎、克羅恩病。AI 技術在該領域的研究主要集中于疾病的預測、診斷以及預后的評估。Maeda 等開發了用于預測組織學炎癥的CAD系統，通過回顧性收集187 例潰瘍性結腸炎的患者的內鏡圖像以及對應部位的活檢樣本。將其中87 例患者圖像用于機器模型的訓練，剩余100 位患者的圖像用于測試，結果顯示CAD 系統對潰瘍性結腸炎的診斷準確率達91.0%。Tong 等構建深度學習系統，通過測試發現其對潰瘍性結腸炎、克羅恩病具有良好的鑒別性能。

5.3 結腸惡性腫瘤

結直腸癌居全球發病率及癌癥相關病死率的第3位，是導致人類死亡的重要原因。Luo 等將AI 用于對結直腸癌浸潤深度的評估，通過將7 734 張普通白光內鏡圖像對構建的AI 系統進行測試，并將包含156 個病灶的1 634 張圖像作為測試集驗證AI 系統的識別能力，結果顯示，該系統在預測非浸潤性和淺表浸潤性腫瘤及區分淺表腫瘤和深度侵襲性早期結直腸癌中結果均良好。

6.小結與展望

AI 技術具備計算機強大的計算能力，可以更加高效地提取研究對象的臨床特征。同時，通過深度學習系統，AI 可以實現自主學習，診斷能力可以與專家相媲美。具備以上兩項優勢，AI 可以在更短的時間更加高效地完成指令任務。但是，AI 技術仍然存在不少缺陷：（1）目前大部分研究為單中心研究，易導致研究結果過擬合，缺乏泛化能力。（2）大多數研究為回顧性研究，所構建的AI 系統在臨床實踐應用效果仍未知。（3）選圖多為靜息圖像，將AI 應用于臨床要求其達到能在動態視頻中準確識別病灶。（4）選圖多為白光內鏡圖像，但早期胃癌等病灶在放大內鏡、染色內鏡等特殊內鏡下診斷準確率更高，AI 在特殊內鏡中的應用研究仍有待加強。綜上所述，目前大多數AI 技術相關研究仍處于探索階段，尚未推廣到實際臨床應用中，未來需要開展更多的前瞻性、多中心研究來推動AI 技術在內鏡領域的發展。