大连李延青教授：人工智能辅助消化道早癌的早

2018年最新全球肿瘤统计结果分析显示：新增病例1819万，死亡病例960万，亚洲分别占50%及70%。我国民众因为缺乏癌症的筛查和早诊早治认知不足，通常发现时已为中晚期，故中国死亡率高于全球平均水平17%，癌症的5年生存率仅为30.9%。我国提出了健康中国2030年核心指标，其中关于癌症防治的主要指标为提高总体癌症5年生存率、同时提高高发地区重点癌肿早诊率。在中国，最常见的五类癌症分别为肺癌、胃癌、肝癌、大肠癌、食管癌，其中多数为消化道肿瘤，据研究统计我国消化道早癌检出率并不高，约为5%~20%，与其他东亚国家存在一定差距，目前早期胃癌和结直肠癌的5年生存率都已达到了90%以上，故早发现、早治疗非常重要，能给消化道肿瘤患者带来更大的获益。

既往使用的钡餐检查对消化道早癌诊断价值低。目前初筛的方法越来越多，包括血清学筛查（Hp抗体检测、血清胃蛋白酶原I/II、血清促胃泌素-17及血清肿瘤标志物）、粪便潜血检查。但电子胃肠镜是目前最重要及最有效的筛查方法，越来越多的人开始通过胃肠镜进行消化道早癌筛查。虽然人们意识逐渐提高，但是因各家医院检查人手不够、技术参差不齐、准备不齐全、检查时间不够等多个原因，消化道肿瘤漏诊率还是较高的，我国情况更加严峻。有报道称3年内接受内镜检查的上消化道肿瘤漏诊率在4.6%~23.8%之间，韩国一项研究提示结肠镜提示有38.69%结肠息肉漏诊。

“看不全、看不清、看得快、看不准”都是漏诊的主要原因。因为内镜存在盲区，内镜头端不宜到达胃-食管连接处、部分肠段不易观察，使得医生无法完整地看到所有消化道黏膜情况，同时没有按顺序观察整个胃黏膜也是增加漏诊的原因。黏膜表面覆盖的黏液反光、肠道准备较差等原因也致使医生无法看清消化道黏膜。因为内镜检查数量激增，胃镜的检查时间不够，也是导致漏诊的原因。

目前理想的内镜胃癌筛查包括发现病变、甄别病变及确诊病变三步。发现病变是关键，通过观察胃黏膜的颜色（发红、褪色）、形态（隆起、粗糙、凹陷），发现可疑病变。进一步通过电子染色+放大内镜观察进行甄别病变，对病变边界、黏膜表面微结构和微血管形态进行分类，锁定癌变区域。确诊病变则可通过共聚焦激光显微内镜在体“光学活检”或病理组织学检查确诊早癌。目前主要由于内镜医师数量不够、医师水平参差不齐，早癌筛查意识不够、质控机制缺乏或不足等原因，无法达到理想的内镜胃癌筛查。

AI可以多个方面辅助医生行胃肠镜检查，帮助减少由于“看不全、看不清、看得快、看不准”导致的漏诊。目前可以通过AI进行高危人群的提示、观察范围的检测（胃黏膜可视度评分、肠道准备质量评分）、警示退镜时间、识别可能病变等方面辅助胃肠镜检查。

以食管癌的高危人群进行肠镜检查时为例，可通过AI实时提醒内镜医师染色，染色后可通过粉红征或银色征来判断高级别上皮内瘤变和癌变的特异性和敏感性可达88%及95%，通过AI人工的深度学习，训练食管部位电子染色内镜和卢戈氏液染色的图像识别。AI对胃黏膜病变、结肠息肉图像进行学习，建立模型，进而识别结肠息肉，虽然AI识别率高达95%，但目前暂未普及应用。当医生观察胃黏膜时，AI可判定是否采集足够照片并覆盖所有范围及进镜时间，并进行实时提示。不仅如此，还可通过AI自行学习电子染色及白光图像下的黏膜状态，通过胃黏膜可视度评分判定食管、胃窦、胃体上部、胃体下部及胃底等5个部位胃黏膜可视度情况。肠道准备与息肉检出的关系密切，通过人工智能学习，基于波士顿评分基础上，对肠道准备进行评分及实时提示。人工智能同时可识别是否到达盲肠，从而记录退镜时间，并实时提醒，从而保证退镜时间足够，使漏诊率降低。

AI除了在发现病变中可以发挥巨大作用，同时也在甄别病变、确诊病变时发挥重要作用。计算机可以通过深度学习放大染色内镜图片，甄别染色后消化道黏膜病变进而进行识别，提高消化道早癌的诊断效率，目前AI在消化道早癌诊断中的灵敏度和特异度及准确度高，分别达到了96%、99%和99%，但是真正实际应用时还需进一步改进。在确诊病变时，可以通过计算机进行深度图像学习，基于共聚焦激光显微内镜标注准则，通过神经网络模型分析，诊断和预测病损处，从而提供精准靶向活检。

李延青教授最后表示，消化道内镜智能时代已经到来，我们需要强化医工结合，研发出更好的内镜AI技术。基于我国人口众多、内镜需求量大、各级医院水平参差不齐的国情下，AI技术的发展将全面提高消化道早癌的内镜诊断效率，无疑将助力2030健康中国目标的实现，为降低消化道早癌的病死率、提高消化道早癌的检出率发挥重要作用，最终将使我国恶性肿瘤患者的生存率获得提高。