内镜检查可以直接观察我们体内的疾病，随着人工智能（AI）的到来，它正在经历一次新的进化。特别是在检测食管和胃的早期癌症方面，AI补充了医生的眼睛，进一步提高了诊断的准确性和可靠性。
最近，韩国天主教大学首尔圣玛丽医院病理学教授李成赫与德国奥格斯堡大学医院联合进行的一项研究结果发表在著名的国际期刊《胃肠病学》上。这篇综述论文从胃肠病学家和病理学家的角度全面总结了AI在包括巴雷特食管（BE）、食管鳞状细胞癌（ESCC）和早期胃癌（EGC）在内的上消化道疾病中的可用性和临床应用的最新研究。
论文强调，对于上消化道癌症（包括胃癌），早期诊断非常重要。晚期胃癌的5年生存率低于30%，而早期胃癌的5年生存率超过90%。然而，在某些情况下，病变可能显得平坦且模糊，有时即使是经验丰富的专家也可能在内镜检查中错过它们。
为了克服这些局限性，AI已经发展到可以通过学习大量的内镜图像数据来检测肉眼容易忽略的细微病变。事实上，一些研究表明，人工智能在预测早期癌症的侵袭深度或识别模糊病变边界方面的敏感性和特异性超过了98%。特别是，在使用放大图像增强内镜（M-IEE）或窄带成像（NBI）有限的情况下，一些研究表明，人工智能系统在诊断性能上优于内镜医师。
最近，AI已经达到了在内镜检查过程中实时警告疑似病变或通过屏幕显示异常区域以引起操作者注意的水平。这对缺乏经验的医务人员非常有帮助，一项多中心研究也报告称，当使用AI时，非专家发现新病变的平均改进率为9-12%。
与此同时，AI在病理图像分析领域的应用可能性也在扩大。AI可以分析基于全切片图像（WSI）的病理组织切片，自动分类癌前病变（异型增生）和癌组织。在最近的研究中，AI对巴雷特食管组织的准确记录率超过83-95%。
此外，一种结合内镜图像和病理图像的多模态模型最近也被开发出来。通过同时确定病变的位置和外观以及通过病理WSI确定细胞水平的结构和分化，可以进行更精确的诊断。一些研究还表明，这些多模态AI模型在病变分类准确性方面显著高于仅使用内镜图像的情况。
然而，AI的临床应用也面临一些挑战。大多数AI系统仍然是在实验室环境中训练的模型，跨不同医院和患者群体的泛化需要更广泛的数据集和质量验证。此外，“黑箱”问题，即难以解释AI为何做出特定诊断，也使得医疗人员对其信任度较低。为了解决这个问题，可解释的人工智能（Explainable AI, XAI）技术正在并行开发，通过可视化判断证据增加了临床采用的可能性。
李成赫教授表示：“未来，AI有望不仅作为病变检测工具，还能扩展到实时内镜辅助系统、个体风险预测和活检优化。”这将改善早期诊断和治疗效果，并有助于高效利用医疗资源。
由于准确诊断是患者治疗的起点，人工智能在消化系统疾病诊断方面的未来发展将是一段更接近医疗精准和以患者为中心治疗的最终目标的旅程。
(全文结束)
