AI作为一种新兴的技术，针对其应用的规范指南在消化领域暂时缺乏，但随着AI技术的逐渐成熟、AI领域研究的增多，AI也逐渐出现消化领域不同指南中。

在2022年发布的《中国食管癌筛查与早诊早治指南（2022，北京）》提到，由中国团队研发的人工智能辅助诊断系统在社区筛查人群中评价灵敏度达90%，特异度达93.7%。关于食管内镜种类的选择，该指南提到，人工智能显微内镜可能具有更高的诊断准确率和特异度，需要更多的证据支持，且需要有条件的医院才能开展，并推荐有条件的医院可尝试使用人工智能显微内镜（弱推荐，证据分级：低）。《结直肠腺瘤及早期结直肠癌中西医结合诊治专家共识（2021）》提到，人工智能技术辅助有助于提高内镜下结直肠息肉的检出率及性质判断的准确性。《中国结直肠癌癌前病变和癌前状态处理策略专家共识》认为，人工智能辅助识别技术有助于提高CRC癌前病变检出率，对基层单位及操作经验不足的医师有帮助（证据质量：高；共识水平：96.6%）。美国胃肠病学院（ACG）于2022年发布的《Barrett食管的诊断和管理：ACG指南更新》提到，人工智能在用于筛查和内镜下肿瘤检测以及不典型增生的病理解释领域有很大的潜力。 

2022年有很多AI相关的消化领域的研究，本文以消化领域中不同的方向为主题介绍总结本年度发表的研究。

巴氏食管进展的风险随着异型增生的程度进展而增加。一项发表在《消化内镜》（Gastrointest Endosc）上的研究通过一种深度学习模型来预测巴氏食管的异型增生程度。该研究共纳入542例患者[164例非异型增生巴氏食管(NDBE), 226例低级别异型增生(LGD)和152例高级别异型增生(HGD)]，并将组织学切片数字化，非异型增生巴氏食管的阳性预测值和敏感性指标的FI分数为0.91, 低级别异型增生为0.90, 高级别异型增生为1.0。结果提示，这一模型可能有助于改善巴雷特食管异型增生的组织学诊断。

四川大学华西医院胡兵教授团队建立多个人工智能模型，帮助内窥镜医师分别在常规白光成像内镜、窄带成像以及多模态成像下早期发现食管鳞状细胞癌并帮助勾画其边缘。

常规白光成像内镜是检测早期食管鳞状细胞癌(ESCC)最常用的筛查技术，但在白光成像内镜下很难发现和划定早期ESCC的边缘。胡兵教授团队建立一种人工智能(AI)模型，能够在白光成像内镜下检测和勾画早期ESCC边缘。该模型在内部验证和外部验证中检测病灶的准确率分别为85.7%和84.5%。

为了实现对病变的精准分割，胡兵教授团队建立了一种人工智能系统，在多模态成像下检测和勾画小型扁平型早期食管鳞癌。该人工智能系统不仅能够正确识别每种内镜成像方式，而且在白光成像和窄带成像下，无论是否使用放大内镜和碘染色，都能准确地检测和勾画出约3 mm的扁平型黏膜癌的边缘。

此外，胡兵教授团队还建立了一种人工智能系统来检测浅表ESCC和癌前病变，并勾画NBI下的病变范围。在内部、外部测试集图像中，该系统对病灶内部、外部测试集图像的检测准确率分别为92.4%和89.9%，划定范围的准确率分别为 88.9% 和 87.0%，且描述性能优于初级内窥镜医师，与高级内窥镜医师相当。在前瞻性临床评价中，该系统发现病灶的准确率为91.4%，划定范围的准确率为85.9%。

乳头内毛细血管袢(IPCL)是预测食管鳞状细胞癌侵袭深度的重要因素，胡兵教授团队还开发了可以用于判断食管鳞状细胞癌乳头内毛细血管袢亚型与食管癌的侵袭深度的模型，初级内窥镜医师能力在AI系统辅助下显著提高诊断IPCL亚型的能力(84.7% vs 78.2%， P＜0.0001)和浸润深度(74.4% vs 67.9%，P＜0.0001).

一项在中国开展的多中心试验测试了放大图像增强内镜实时人工智能辅助诊断早期胃癌的能力。该研究共纳入3099例放大图像增强内镜患者，该研究中的人工智能系统对早期胃癌的内部、外部测试集图像诊断准确率分别为88.44%和90.49%，而在194例251个病变的连续前瞻性患者中，该人工智能系统在实际临床实践中实现了92.59%(25/27)的敏感性和83.67%(210/251)的准确性。

我国学者开发了一个深度学习系统来协助检测所有局灶性胃部病变，并通过白光内镜对胃部肿瘤进行预测。结果显示，该人工智能系统检测胃部病变(每次内镜检查的平均假阳性数3.04±3.04)的敏感性为92.8%，诊断肿瘤的敏感性为91.8%，特异性为92.4%。

胡兵教授团队在《内镜》（Endoscopy）杂志发表研究，团队构建了基于人工智能的结肠镜检查的结肠黏膜皱褶检查质量（Fold examination quality, FEQ）质量控制体系，通过人工智能辅助评价结肠镜筛查质量，为进一步提升结肠镜筛查质量提供了一种有前景的智能辅助策略。对于既往腺癌检出率(＜25%)较低的结肠镜操作医生，AI辅助显著提高了结肠黏膜皱褶检查质量（FEQ），AI系统评价辅助后结果为 0.29 [四分位间距( IQR ) 0.27 ~ 0.30 ] vs 0.23 （IQR 0.17~0.26），专家评价辅助前后结果为14.00 [（14.00~15.00）vs 11.67 （10.00-13.33）]（均P＜0.001）。

一项发表在《柳叶刀·数字医疗》（Lancet Digit Health）上的研究表明，在结肠镜筛查中使用AI检测能够节省成本，同时可以进一步预防结直肠癌的发病率和死亡率。与不进行筛查相比，无AI辅助的筛查性结肠镜检查的结直肠癌发病率相对降低44.2%，有AI辅助的筛查性结肠镜检查的结直肠癌发病率相对降低48.9%(增量增加4.8%)；与不进行筛查相比，无AI辅助的筛查性结肠镜下结直肠癌死亡率相对降低48.7%，有AI辅助的筛查性结肠镜下结直肠癌死亡率相对降低52.3%(增量增加3.6%)。另外一项发表在《胃肠病》（Gastroenterology）的研究的结果显示，人工智能能降低结直肠肿瘤漏诊率。多中心的230例患者被随机(1:1)分配到有或没有AI辅助诊断的组，并在同一天进行2次结肠镜检查，AI辅助结直肠镜腺瘤漏检率为15.5%，无AI辅助的结直肠镜腺瘤漏检率为32.4% (调整OR=0.38; 95%CI 0.23~0.62)。

组织病理学诊断是肿瘤分期和分级的金标准，数字切片扫描仪与人工智能相结合有助于病理学家的工作。一个团队收集了200张苏木精-伊红（HE）染色的结直肠活检数字切片图像，并为10个相关病理类别提供了详细的区域级注释，这个广泛公开可用的标记医疗数据集将有助于未来的结直肠癌计算机辅助诊断和研究。一项发表在《自然医学》（Nat Med）的研究利用使用群体学习（swarm learning）训练的AI模型，在超过5000例患者的10亿像素组织病理学图像的大型多中心数据中，能直接从结直肠癌HE染色的病理切片中预测BRAF突变状态和微卫星不稳定性。

在肝脏病理中，肝细胞气球样变存在分歧，气球样变是一个频谱，其存在或完全不存在过于主观。一项发表在《肝脏病学杂志》（J Hepatol）上的研究表明创建一致性图谱可以完善病理学家和人工智能如何对气球样变进行分类，也可用于训练AI辅助技术，以重复量化膨胀的肝细胞，评估损伤范围，从而标准化治疗疗效的评估。

一种基于肝脏硬度、血小板计数和总胆红素的新机器学习模型可以用于排除高风险静脉曲张并避免代偿性肝硬化患者进行不必要的食管胃十二指肠镜检查，其模型在中国、印度新加坡多家医院进行了国际多中心的真实世界研究，共纳入2794例患者。与Baveno Ⅵ标准相比，该模型在所有队列中都避免了更多的不必要的食管胃十二指肠镜的使用(训练队列：52.6% vs 29.4%；验证队列：58.1% vs 44.2%；试验队列1：52.4% vs 26.5%；试验队列2：41.1% vs 21.1%)  (P＜0.001)

除了上述方向的研究，在2022年AI在消化领域的其他方向还有很多研究，如AI用于IBD肿瘤病变的分类、AI预测IBD的不良后果、AI对急性坏死性胰腺炎的早期预测等。

2022年，AI在消化领域有很多成果与进展，一方面，AI在消化领域指南中有越来越多的身影，另一方面，AI在消化不同领域的研究成果丰富。人工智能辅助诊断系统能够在食管癌、胃癌、胃其它病变、结直肠癌上帮助临床医生提高诊断的灵敏度和特异度，在筛查与诊断方面有很大的潜力。在病理学方面也能够帮助规范标准、提高诊断的效率。同时AI参与的一些疾病的诊断新模型能够达到甚至优于一些临床现存的疾病诊断指标。本文仅展示了AI在消化领域进行研究的冰山一角，是2022年国内外各个研究团队所做工作的很小一部分，AI在消化领域前景广阔，其在消化领域的应用也会越来越广泛，未来需要也一定会有更多高质量的相关研究。

（本文版权属于《中国医学论坛报》，转载需授权）