前言：本站為你精心整理了人工智能在消化內(nèi)鏡中應(yīng)用范文，希望能為你的創(chuàng)作提供參考價(jià)值，我們的客服老師可以幫助你提供個(gè)性化的參考范文，歡迎咨詢。

人工智能（AI）技術(shù)目前在全球范圍內(nèi)受到各界的關(guān)注，并隨著其不斷地發(fā)展，在醫(yī)療方面的使用也逐漸成熟。深度學(xué)習(xí)屬于人工智能方面的一個(gè)核心分支，研究人員利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）構(gòu)建模型將人工智能技術(shù)應(yīng)用到疾病的識(shí)別、診斷、判斷預(yù)后等各個(gè)方面。消化內(nèi)鏡下疾病的診斷與醫(yī)生的個(gè)人經(jīng)驗(yàn)有著明顯的關(guān)系，通過建立人工智能輔助診斷系統(tǒng)，進(jìn)一步提高消化內(nèi)鏡的檢查質(zhì)量，從而提高消化道疾病的檢出率。

1AI在食管疾病中的應(yīng)用

1．1巴雷特食管

Barret食管（BE）是食管腺癌的癌前病變，發(fā)生食管腺癌的危險(xiǎn)性是普通人群的30～100倍。診斷BE主要依據(jù)是內(nèi)鏡檢查結(jié)合病理學(xué)活檢，由于內(nèi)鏡醫(yī)生經(jīng)驗(yàn)水平的差異，導(dǎo)致其活檢時(shí)可能有部分病變被遺漏，進(jìn)而很容易造成漏診，因此我們需要一種智能系統(tǒng)輔助內(nèi)鏡醫(yī)師提高BE的診斷率。JisuHong等［1］研究人員建立CNN模型，并將BE內(nèi)鏡圖像分為腸上皮化生（IM）、胃上皮化生（GM）和瘤變（NPL）亞類，將獲得了262份BE內(nèi)鏡成像數(shù)據(jù)集，分為訓(xùn)練集236個(gè)以及測(cè)試集26個(gè)，由于訓(xùn)練集數(shù)據(jù)量的缺乏，作者采用隨機(jī)圖像畸變來擴(kuò)大訓(xùn)練食管圖像的數(shù)量，最終CNN模型產(chǎn)生了80．77％的分類準(zhǔn)確率。Van等［2］研究人員研制出BE病變的智能檢測(cè)技術(shù)，其智能檢測(cè)技術(shù)在各個(gè)圖像分析中判斷出初期腫瘤病變的特異度與敏感度都是83％。Hashimoto等［3］開發(fā)了一種由916張BE圖像訓(xùn)練的CNN，并通過458張圖像進(jìn)行驗(yàn)證，報(bào)道的早期腫瘤檢測(cè)準(zhǔn)確率為95．4％。但僅依靠人工智能診斷barret食管及早期腫瘤還為時(shí)尚早，更多的人工智能技術(shù)還在臨床研究中。

1．2食管腫瘤

食管腫瘤是我國常見的消化道腫瘤，研究表明，食管癌的總體漏報(bào)率高達(dá)6．4％。早期食管腫瘤行內(nèi)鏡檢查時(shí)很容易漏診，很多病人在確診時(shí)已到了晚期，療效較差，所以盡早診斷十分關(guān)鍵。食管乳頭內(nèi)毛細(xì)血管袢（IPCLs）是顯微鏡內(nèi)窺鏡（ME）首次描述的微血管［4］，是食管鱗癌的標(biāo)志。IPCLs形態(tài)的改變已被證實(shí)與腫瘤浸潤深度相關(guān)，這是決定是否采用內(nèi)鏡治療的主要因素［5，6］。Ever－son團(tuán)隊(duì)［7］開發(fā)了一種人工智能系統(tǒng)，能夠使用ME－NBI內(nèi)鏡圖像實(shí)時(shí)對(duì)IPCL形態(tài)進(jìn)行腫瘤或非腫瘤分類。17例患者共7046張連續(xù)高清ME－NBI圖像進(jìn)行CNN訓(xùn)練，CNN獲得了93．7％的準(zhǔn)確性，89．3％的敏感性，98％的特異性。Nakagawa等［8］開發(fā)了一種CNN來預(yù)測(cè)食管鱗狀細(xì)胞癌的侵襲深度，他們的CNN系統(tǒng)能夠區(qū)分黏膜／黏膜下侵犯（SM1）和黏膜下深層侵犯（SM2／SM3），其敏感性為90．1％，特異性為95．8％，16位經(jīng)驗(yàn)豐富的內(nèi)鏡醫(yī)師的敏感度為89．8％，特異性為88．3％。日本學(xué)者［9］建立的CNN模型，采集了384例確診食管癌患者的8428張圖片用作機(jī)器學(xué)習(xí)，CNN整體判斷的敏感度是98％，針對(duì)淺表癌判斷精準(zhǔn)率是99％，針對(duì)晚期病癥判斷精準(zhǔn)率是92％，對(duì)食管鱗狀細(xì)胞癌與食管腺癌檢查精準(zhǔn)率分別是99％與90％。在我國，騰訊企業(yè)公布的人工智能醫(yī)學(xué)影像商品－騰訊覓影，對(duì)初期食管癌的診斷精準(zhǔn)率達(dá)到90％。上述表明，AI將有利于提高早期食管腫瘤的檢出率，改善患者預(yù)后。

2AI在胃部疾病中的應(yīng)用

2．1HP感染

眾所周知，胃癌的發(fā)生與幽門螺桿菌的感染有著密切的關(guān)系，據(jù)報(bào)道HP感染主要影響胃癌癌前病變的早期階段。然而，根據(jù)內(nèi)鏡檢查判斷是否存在HP感染，主要取決于醫(yī)生的診斷能力，診斷準(zhǔn)確性差異很大［10，11］。Shichijo等［11］研究人員通過深度學(xué)習(xí)構(gòu)建CNN將HP感染狀態(tài)分為HP陽性和HP陰性兩類，其敏感性、特異性和準(zhǔn)確性均優(yōu)于內(nèi)鏡醫(yī)生。Shichijo［12］進(jìn)一步將HP感染情況分為三類：未感染、當(dāng)前感染和根除治療成功。CNN對(duì)未感染的準(zhǔn)確率為80％，當(dāng)前感染的準(zhǔn)確率為48％，根除后的準(zhǔn)確率為84％。日本研究人員中島美嘉［13］已經(jīng)開發(fā)出一個(gè)人工智能系統(tǒng)，驗(yàn)證了120例胃癌的內(nèi)鏡檢查視頻，從而得出了未感染HP準(zhǔn)確率為84．2％，當(dāng)前感染的準(zhǔn)確率為82．5％，根除后的準(zhǔn)確率為79．2％。診斷準(zhǔn)確性與經(jīng)驗(yàn)豐富的內(nèi)鏡醫(yī)師相似。AI診斷幽門螺桿菌感染狀態(tài)的準(zhǔn)確性可能超過內(nèi)鏡醫(yī)生。

2．2胃癌

胃癌是全球最常見的惡性腫瘤之一，其發(fā)病率和病死率在惡性腫瘤中均居第2。早期胃癌患者5年生存率超過90％，晚期胃癌預(yù)后很差，從而早期發(fā)現(xiàn)胃癌對(duì)每一個(gè)內(nèi)鏡醫(yī)師來說都至關(guān)重要。但是有些胃癌內(nèi)鏡圖像與萎縮性胃炎相似，缺少實(shí)踐經(jīng)驗(yàn)的內(nèi)鏡醫(yī)師常常忽略這一點(diǎn)。Zhang等［14］研究人員開發(fā)用于早期胃癌檢測(cè)的人工智能系統(tǒng)在200張內(nèi)鏡圖像上進(jìn)行了驗(yàn)證，對(duì)早期胃癌的準(zhǔn)確性、敏感性和特異性分別為92．5％、94％和91％，經(jīng)驗(yàn)豐富的內(nèi)鏡醫(yī)師的準(zhǔn)確率、敏感性和特異性分別為89．7％、93．9％和87．3％。在人工智能系統(tǒng)中準(zhǔn)確率明顯更高。Hirasawa等［15］研制出一種人工智能檢測(cè)胃癌的技術(shù)，選擇13584張胃癌內(nèi)鏡圖片加以訓(xùn)練，另外的2296張胃鏡圖片編制測(cè)試集，CNN耗時(shí)47s檢查完全部測(cè)試及圖像，判斷胃癌總體敏感度是92．2％，陽性預(yù)測(cè)值是30．6％。這個(gè)系統(tǒng)檢測(cè)圖像速度迅速，但是陽性預(yù)測(cè)值較低，且沒有開展與內(nèi)鏡醫(yī)師的比較。此外，一個(gè)國內(nèi)研究，Zhu等［16］選擇最科學(xué)的CNN系統(tǒng)，利用CNN系統(tǒng)判斷胃癌的侵襲深度，其敏感度與特異度分別是76．47％與95．56％，整體精準(zhǔn)率是89．16％，其精準(zhǔn)率與特異度都高于內(nèi)鏡醫(yī)師。該系統(tǒng)可以精準(zhǔn)判定腫瘤侵襲胃壁的深度，評(píng)價(jià)病灶是否符合進(jìn)行ESD治療，進(jìn)而避免多余的外科手術(shù)。Kanesaka等［17］研究人員使用AI系統(tǒng)從放大地NBI圖像中區(qū)分早期胃癌和無癌，靈敏度為96．7％，特異性為95％，準(zhǔn)確性為96．3％。Horiuchi等［18］進(jìn)行了一項(xiàng)視頻研究，以實(shí)現(xiàn)早期胃癌的實(shí)時(shí)診斷。174個(gè)視頻使用NBI放大內(nèi)鏡評(píng)估AI系統(tǒng)的診斷性能，并與11位專家進(jìn)行了比較，人工智能的準(zhǔn)確性為85．1％，敏感性為87．4％，特異性為82．8％。人工智能系統(tǒng)的準(zhǔn)確率明顯高于2位專家，低于其中1位專家，與其余8位專家沒有顯著差異。

3AI在結(jié)直腸息肉中的應(yīng)用

在我國，近幾年結(jié)直腸癌發(fā)病率不斷上升。結(jié)直腸癌源自癌前息肉，病變到癌平均期限是10年，結(jié)直腸鏡檢查是結(jié)直腸癌早篩早診最有效的手段，結(jié)腸鏡檢查期間息肉（特別是腺瘤）的檢出率與結(jié)腸鏡檢查后CRC的發(fā)生率和相關(guān)病死率呈明顯的負(fù)相關(guān)［19，20］。腺瘤檢出率每增加1％，相應(yīng)地CRC風(fēng)險(xiǎn)降低3％，CRC相關(guān)病死率降低5％。所以，提高結(jié)直腸息肉檢出率對(duì)減少結(jié)直腸癌發(fā)病率作用顯著。Misawa［21］和同事開發(fā)了一種基于CNN的三維計(jì)算機(jī)輔助監(jiān)測(cè)系統(tǒng)（CADe），其敏感性和特異性分別為90％和63％。Urban［22］和他的同事報(bào)告了基于CNN的CADe的首次實(shí)時(shí)應(yīng)用，他們的CADe檢測(cè)結(jié)直腸息肉的靈敏度為97％，特異性為95％，準(zhǔn)確率為96％，優(yōu)于內(nèi)鏡醫(yī)生。在2018年發(fā)表的文章中，Kazutomo等［23］利用4萬張內(nèi)鏡圖像創(chuàng)建了一個(gè)具有深度學(xué)習(xí)的人工智能輔助內(nèi)鏡診斷系統(tǒng)，并進(jìn)行了測(cè)試來區(qū)分腺瘤和非腺瘤。敏感性為95．2％，陰性預(yù)測(cè)值為84．6％。國內(nèi)王璞等［24］研究人員利用計(jì)算機(jī)輔助診斷系統(tǒng)（CADs）在納入的1058例患者中，CADs顯著增加了腺瘤檢出率和平均每名患者的腺瘤數(shù)量，這是因?yàn)镃ADs發(fā)現(xiàn)了更多的小腺瘤，增生性息肉的數(shù)量也顯著增加。

4AI在膠囊內(nèi)鏡中的應(yīng)用

目前AI已經(jīng)逐漸應(yīng)用到膠囊內(nèi)鏡的檢查中，從而提高了小腸疾病的診斷率，如乳糜泄、鉤蟲病以及消化道疾病等。Zhou等［25］回顧性采集11例乳糜泄病人與10例對(duì)照病人的膠囊內(nèi)鏡檢測(cè)影像，并引進(jìn)了一個(gè)稱為評(píng)價(jià)置信度的檢測(cè)方法，把乳糜泄嚴(yán)重度實(shí)現(xiàn)量化，這種評(píng)價(jià)置信度檢測(cè)方式在檢測(cè)集中呈現(xiàn)的敏感度與特異度都是百分之百。HE等［26］建立了一種CNN系統(tǒng)用于鉤蟲病的診斷，這種依靠CNN系統(tǒng)檢查鉤蟲結(jié)構(gòu)的總體特異度與敏感度分別是88．6％與84．6％，同時(shí)檢測(cè)每個(gè)膠囊內(nèi)鏡圖片只要大概0．05s，這對(duì)提升臨床醫(yī)生的業(yè)務(wù)效率與判斷精準(zhǔn)率有較大幫助。盡管AI技術(shù)在醫(yī)學(xué)方面的研究和應(yīng)用日益普遍，但是也有一些不足。一個(gè)人工智能網(wǎng)絡(luò)的建立到訓(xùn)練完善然后到臨床應(yīng)用，需要耗費(fèi)許多人力、時(shí)間以及財(cái)力。而中國各區(qū)域發(fā)展不平衡，在經(jīng)濟(jì)比較落后的地方，人工智能也許很難推行。當(dāng)下AI技術(shù)重點(diǎn)在圖像判斷方面表現(xiàn)良好，但是臨床病人疾病較多，個(gè)體差別很大，針對(duì)疾病治療中人工智能的判斷靈活性無法超過臨床醫(yī)師?？傊?，人工智能這種交叉學(xué)科的進(jìn)步需要多方面專家的協(xié)同努力和合作，相信其今后在消化系統(tǒng)病癥中的使用會(huì)越來越普遍、深入，且推進(jìn)個(gè)體化、精細(xì)化、精確化醫(yī)療，使病人獲得更大利益。

作者:白玉 趙貴君 單位:內(nèi)蒙古醫(yī)科大學(xué)研究生院 內(nèi)蒙古自治區(qū)人民醫(yī)院內(nèi)鏡中心