AI賦能消化道疾病診療

胃癌和食管癌的全球發病率和死亡率均居高不下。其中，胃癌是第五大常見癌癥，而食管癌位居第八，每年新增病例數以百萬計[1，2]。這些癌癥因早期癥狀不明顯，造成許多患者確診時已為晚期，治療效果和預后較差。盡管內鏡技術的進步為早期檢測和治療帶來希望，但內鏡醫師專業水平差異、醫療資源分布不均等問題使得早期篩查仍面臨挑戰。此外，消化道早期癌癥具有隱蔽性，即使在內鏡檢查中也容易被漏診，因此迫切需要提高篩查的準確性和效率。

人工智能（artificialintelligence，AI）技術的發展為解決這些難題提供了新機遇，它的出現改善了傳統內鏡檢查準確性受限的弊端。通過深度學習，AI能夠分析大量內鏡圖像，識別出早期癌癥的微小病變，為醫生提供更精確的診斷支持。AI輔助的內鏡圖像分析系統能將早期胃癌的檢出率提高到90%以上[3]，在消化道早癌篩查中顯示出良好的應用前景。

消化道早癌篩查面臨的困境

全球范圍內的挑戰

在全球范圍內，消化道早癌篩查面臨著諸多難題[2]。醫療資源的分配不均廣泛存在，這使得許多國家和地區難以有效實施篩查計劃。在非洲和東南亞的一些國家，薄弱的醫療基礎設施嚴重阻礙了早癌篩查的開展。即便在醫療技術較為先進的地區，專業內鏡醫師的缺乏也成為一個顯著問題，限制了篩查的普及和質量的提升。同時，公眾對早癌篩查的認知不足，以及對內鏡檢查的恐懼和不適，進一步降低了篩查的參與度。此外，高昂的醫療費用也是許多患者面臨的一大難題，特別是在經濟欠發達地區。這些挑戰共同構成了全球范圍內提高消化道早癌篩查率的障礙。

中國的挑戰

在全球背景下，中國的消化道早癌篩查還面臨著一系列獨特的挑戰。中國醫療資源的分配不均問題尤為嚴重，優質資源主要集中在大城市，而農村和偏遠地區的醫療條件則相對較差。與日本和韓國相比，中國的人均內鏡醫師數量明顯不足，導致醫師工作負擔重、壓力大，進而增加了漏診的風險。特別是在基層醫療機構，內鏡醫師的短缺問題更加突出，直接影響了早癌篩查的質量和效率。同時，中國公眾對消化道早癌篩查的認知也有待提高，許多人對內鏡檢查存在恐懼心理，導致篩查參與度不高。經濟因素同樣是一個重要考量，許多家庭因擔心醫療費用而推遲或放棄篩查。此外，中國的城鄉二元結構使得農村居民獲取醫療服務的機會更加有限，他們的健康需求常常被忽視[4]。因此，在推進消化道早癌篩查工作時，需要更加注重醫療資源的均衡分配、加強公眾教育、減輕醫師工作負擔以及降低醫療費用等方面的努力。

AI技術的發展

起源與技術演進

AI，這一術語自誕生起，便承載著人類對智能極限的不懈追求[5]。從最初的邏輯編程到現今的深度學習，AI技術不斷突破，日益貼近我們的生活。1950年，阿蘭·圖靈提出著名的圖靈測試，為判定機器是否具備智能設立了標準。隨后的1956年，達特茅斯會議上“AI”概念被正式提出，標志著這一新興學科的誕生。在接下來的幾十年里，AI技術經歷了從基于規則的專家系統到機器學習，再到深度學習的轉變。特別是進入21世紀后，隨著數據量的激增和計算能力的提升，深度學習異軍突起，成為AI領域的重要分支。深度學習通過模擬人腦神經網絡的工作方式，能夠處理復雜的數據模式。這一技術的突破使得AI在圖像識別、語音識別、自然語言處理等領域取得了顯著成果。例如，2012年AlexNet在ImageNet圖像識別競賽中的卓越表現，以及2016年谷歌AlphaGo戰勝世界圍棋冠軍的壯舉，到如今發布的ChatGPT，都展示了AI技術的巨大潛力。

AI的多領域應用與優勢

AI在醫療健康、金融、教育、交通和制造等多個領域的應用，正引發一場前所未有的變革[6]。在醫療健康領域，AI技術展現出了顯著的優勢。特別是在消化道腫瘤的檢測方面，AI能夠快速、精確地分析X線、CT和MRI等醫療影像，從而準確識別病灶，特別是在癌癥早期。這種能力不僅大幅提高了診斷的準確性，還縮短了診斷時間，減少了誤診的可能性，為患者提供了更早、更有效的治療機會。此外，AI還能通過分析大量的病例數據和病理報告，輔助醫生做出更為精準的臨床診斷，并幫助他們制定更有效的治療計劃。在個性化治療方面，AI能夠根據患者的基因信息、生活習慣和病史，為其量身定制治療方案，從而提高治療效果，減少不必要的醫療支出，提升患者的治療體驗[6]。

除了醫療健康領域，AI在其他領域也展現出了廣泛的應用前景。在金融行業，AI被用于風險評估和欺詐檢測，以確保交易的安全性；在教育領域，AI能夠提供個性化的學習支持，幫助學生根據自己的學習進度和節奏提升學習效果；在交通領域，AI支持自動駕駛和智能交通管理，旨在提高出行的安全性和效率；在制造業，AI則通過預測性維護和自動化生產，幫助企業提升生產效率和產品質量。總體而言，AI通過其高效、準確和創新的能力，正在多個領域顯著改善人們的生活質量。

AI輔助內鏡篩查消化道早癌

AI與內鏡圖像的初步結合

在消化道早期癌癥的診斷中，AI技術展現出了巨大的潛力。早期研究主要集中在利用靜態的內鏡圖像訓練AI模型，以識別和分類病變。這些研究依賴大量標注的圖像數據庫，通過深度學習算法來提升AI的識別能力。

日本的研究人員開發了基于深度卷積神經網絡（convolutionalneuralnetworks，CNN）的AI系統，對13584張胃癌內鏡圖像進行了訓練，取得了92.2%的總體敏感性，且在短短47秒內處理了2296張圖像，檢測大于6毫米病變的準確率高達98.6%[7]。這表明在識別速度和準確性方面，AI系統可以媲美經驗豐富的內鏡醫生。在中山大學癌癥中心的研究中，其開發的AI系統診斷敏感性達到92.5%，特異性為91%，而且該系統還能顯著提升新手醫生的診斷水平[3]。然而，這些模型往往依賴靜態圖片進行識別，而內鏡檢查是動態過程，醫生需要實時做出判斷，因此僅靠靜態分析無法在實際臨床場景中為醫生提供有效支持。這使得AI雖在圖像識別上表現優異，但在實際應用中仍存在不足。靜態分析無法實現與內鏡檢查過程的無縫結合，難以在實時操作中輔助醫生做出即時診斷。

AI與內鏡的實時結合

隨著AI與內鏡技術的結合更為緊密，AI在實時內鏡檢查中的應用也逐漸發展。實時AI輔助技術具備多方面優勢：首先，AI系統能即時分析并反饋，縮短檢查時間，提高診斷效率和準確性，并幫助醫生識別可能被忽視的細微病變，從而減少漏診和誤診。筆者團隊利用CNN開發的AI輔助系統，在內鏡檢查過程中實時分析視頻流，每秒至少分析25幀，并在不到100毫秒的延遲下顯示食管病灶注釋，這大幅提升了醫生對高風險食管病變的檢測能力，與傳統方法相比，其檢出率提高了一倍[3]。其次，AI與內鏡技術的結合還可改善患者體驗，縮短檢查時長并減少重復檢查的次數。再次，AI系統可以嵌入遠程醫療中，使偏遠地區也能夠享受高質量醫療服務，促進醫療資源的均等化。最后，AI可以提升新手醫生的技能，通過實時指導幫助他們成長。

目前，AI在實時內鏡檢查中的應用已經顯示出其良好的前景。多中心隨機對照試驗表明，AI系統（如ENDOANGEL）在實時內鏡檢查中能夠有效減少盲點，并準確預測早期胃癌。另一項研究開發的GRAIDS系統在檢測上消化道癌癥中的表現與專家內鏡醫師相當，且優于非專家內鏡醫師[3]。然而實時AI技術在推廣中仍面臨挑戰，包括算法的泛化能力、對不同內鏡設備的適應性，以及臨床驗證的廣度與深度等，隨著技術進步和政策支持，這些障礙有望逐漸克服。

展 望

隨著醫療技術的快速發展，我們正邁入一個新時代，其中AI和大數據的結合正在重新定義消化道早期癌癥的診斷。在內鏡技術方面，未來的內鏡也許更加智能，例如配備高級圖像處理功能和AI算法的“智能內鏡技術”等。這些技術將能夠實時分析內鏡圖像，自動識別病變，并提供診斷建議。即使是經驗不足的醫生，或許也能借助這些工具更準確地識別早期腫瘤。

AI技術在指導治療消化道早癌中也將具有顯著潛力。AI可預測疾病發展和預后，可幫助醫生制定個性化治療方案。通過分析患者的病歷、生活習慣和基因信息，AI能夠預測疾病進展和藥物反應，為患者提供最佳治療建議。隨著醫療數據的積累和分析技術的進步，個性化醫療將更加普及。AI和大數據的結合將使治療方案更加契合每位患者的獨特條件。總而言之，未來的醫療領域將邁向高度的智能化與個性化發展，科技力量與醫療專業智慧相結合，有望共同應對消化道早期癌癥等重大疾病。

[1]BrayF.Globalcancerstatistics2022：GLOBOCANestimatesofincidenceandmortalityworldwidefor36cancersin185countries.CACancerJClin，2023，74（3）：229-263.

[2]SiegelRL，GiaquintoAN，JemalA.Cancerstatistics.CACancerJClin，2024，74（1）：12-49.

[3]LiSW.Deeplearningassistsdetectionofesophagealcancerandprecursorlesionsinaprospective，randomizedcontrolledstudy.SciTranslMed，2024.16（743）：15-30.

[4]NieY.Aglobalburdenofgastriccancer：ThemajorimpactofChina.ExpertRevGastroenterolHepatol，2017，11（7）：651-661.

[5]MuthukrishnanN，MalekiF，OvensK.Briefhistoryofartificialintelligence.NeuroimagingClinNAm，2020，30（4）：393-399.

[6]HaugCJ，DrazenMJ.ArtificialIntelligenceandMachineLearninginClinicalMedicine.NEnglJMed，2023，388（13）：1201-1208.

[7]ZhangL.Effectofadeeplearning-basedautomaticupperGIendoscopicreportingsystem：arandomizedcrossoverstudy.GastrointestEndosc，2023，98（2）：181-190.

關鍵詞：人工智能深度學習早癌篩查■