南京大学医学院附属鼓楼医院消化科

唐德华

人工智能是指通过计算机程序模拟人类智能（包括知识、推理、学习、规划、交流等）的技术。近年来，随着高性能计算机的普及、大数据的出现以及算法的进步，人工智能在图像识别、语音处理、人机交互、自动驾驶等各个领域均取得了飞速的发展。谷歌公司旗下DeepMind开发的AlphaGo战胜世界围棋冠军更是让人工智能备受瞩目。人工智能的一个重要分支是机器学习，机器学习能够基于数据构建不断迭代的模型，从而不断提高解决特定问题能力。深度学习又是机器学习的一个分支，深度学习是基于人工神经网络发展起来的模拟人类神经元架构的算法。一个深度学习网络通常由多层人工神经网络组成，其中包括输入层、输出层和中间的隐藏层。深度学习结构包括深度神经网络（Deep neural networks, DNN），深度置信网络（deep belief networks，DBN），卷积神经网络（Convolutional neural networks，CNN）等，其中的卷积神经网络在图像和语音的处理和识别上表现更优，因此被广泛运用到计算机视觉（Computer vision, CV）领域。

目前人工智能在计算机视觉中的应用主要包括图像分类（Image classification）、目标检测（Object detection）、语义分割（Semantic segmentation）和实例分割（Instance segmentation）等四个方面。基于计算机视觉的四大基本任务，人工智能在医学影像识别领域取得了一系列进展。在图像分类方面，Gulshan等人率先在JAMA杂志报道了人工智能在识别眼底照片中糖尿病视网膜病变的应用，他们通过使用128175张眼底照片进行图像分类模型的训练，在两个独立的验证集中，深度学习模型识别糖尿病视网膜病变的AUC分别为0.991和0.990。Esteva等人在Nature杂志报道了他们利用129450张图片建立深度学习分类模型诊断皮肤癌，测试结果发现，他们建立的深度学习模型诊断的准确率（55.5%~72.1%）可以显著高于临床专家水平（53.3%~66.0%），这篇报道也因此登上了《自然》（Nature）杂志的封面。

得益于深度学习技术在图像识别领域所取得的突破，研究人员也将深度学习运用到了胃镜检查辅助质量控制和病变诊断当中，并取得了一系列惊人的进展。首先是在胃镜检查的质量控制方面。根据亚洲、欧美相关的胃镜质量控制的共识，胃镜检查中需要质量控制指标包括内镜医生操作经验、检查部位完整性、图像采集质量、检查时间、活检准确率以及图像增强技术使用等六个方面。目前，人工智能技术主要被用于胃镜检查部位的识别，从而帮助内镜医师减少胃镜检查中可能存在的盲点率。Takiyama等人首先将人工智能技术运用到胃镜检查的部位识别中，通过建立深度学习模型，成功实现了咽部、食管、胃上部、胃中部、胃下部及十二指肠等六个部位的识别，每个部位诊断的AUC均超过0.99。但他们对于胃镜检查部位的分类过于粗略，且建立的模型不能实现实时识别，未进一步探究其临床辅助的价值。Wu等人将深度学习和强化学习同时运用到胃镜检查部位识别中，建立了胃镜检查26个部位的实时识别模型（WISENSE），其视频验证的准确率可达90.4%。他们使用RCT对WISENSE的临床辅助价值进行了进一步研究，结果发现，使用WISENSE的内镜医师胃镜检查的盲点率显著低于未使用的医师（5.86% vs 22.46%, p<0.001）。

人工智能在胃镜下早期胃癌检出方面也取得一定的进展。首先在白光胃镜早期胃癌检出方面，Hirasawa等人通过13584张图像建立了SSD胃癌检测模型，使用独立的2296张图像对模型进行了测试，结果显示，他们建立的深度学习模型胃癌检测的敏感性可达92.2%。Yoon等人通过了6900余张图像建立了VGG-16胃癌分类模型，使用3390余张图片进行了测试，其模型敏感性可达91.0%。Luo等人开发了基于AI的上消化道中晚期癌语义分割模型DeepLab V3，通过多中心数据及前瞻性数据充分测试模型的诊断效能，结果显示，该模型诊断中晚期癌的敏感性可达90.7%~98.2%，可达到与专家内镜医师相当的水平。Tang等人通过35823张图像建立了YOLOv3早期胃癌检测模型，使用了时序验证集和外部验证集对模型进行了充分验证，其早期胃癌检出的敏感性达85.9%~95.5%，可达到专家内镜医师的水平，他们还发现低年资内镜医师在深度学习模型辅助下，诊断水平可达到与专家相当。其次在NBI放大胃镜下早期胃癌检出方面，Li等人通过2088张图像建立了Inception-v3分类模型，使用341张图像进行了模型的测试，结果显示，早期胃癌分类的敏感性达91.2%。Ueyama等人通过5574张图像建立了ResNet50分类模型，使用2300张图像进行了模型的测试，发现早期胃癌分类的敏感性达98.7%。Hu等人通过1000余张图像建立了VGG-19分类模型，使用多中心的数据进行了模型的测试，发现早期胃癌分类的敏感性为79.2%，与专家的水平相当。

人工智能在胃镜下早期胃癌性质判断方面也已经被证明是可行的。在胃癌的浸润深度方面，Zhu等人通过790张图像建立了ResNet50分类模型，使用203张图像进行了模型的测试，其分类的敏感性为76.5%，特异性为95.6%，优于内镜医师水平。Yoon等人通过了6900余张图像建立了VGG-16胃癌深度分类模型，使用1590张图像对模型进行了测试，其敏感性为79.2%。Nagao等人通过13000余张图像建立了白光、NBI和靛胭脂三种模式下的胃癌深度判断ResNet50分类模型，其准确性可分别达94.5%, 94.3%, 和95.5%。在胃癌的分化程度判断方面，Ling等人通过2217张图像建立了分化程度判断的VGG-16分类模型，其判断分化程度的准确率为83.3%。这些研究表明，将深度学习技术结合到早期胃癌的诊断中具有广阔的应用和研究前景。

当然，目前AI蓬勃发展的背后也存在着很多亟待的问题。首先是AI模型的泛化性，几乎所有的内镜领域AI研究的建模数据库都是回顾性的，潜在的选择偏移直接会影响到AI模型的泛化能力和适用范围，这可能会对AI模型真正应用到临床带来挑战。第二，AI模型通过一个“黑盒子（Black box）”作出判断，这种不可解释性虽然提高了诊断效能，但也给错误判断的责任归属带来了挑战。第三，目前绝大多数研究都是通过单中心建模，单/多中心验证的模式，尽管不少模型在多个中心数据集中也展现出相当高的诊断效能，但无法证明在其他未纳入考虑的场景中诊断效能一样高。考虑到每家医院的仪器、医师水平、患者来源各不相同，针对每家医院进行AI模型的个性化定制可能更有现实意义。第四，目前，对于AI模型的高质量RCT研究数量有限，已有研究的目的都是评价医生在AI模型辅助后诊断水平的变化，但AI模型对医生产生的其他影响（如诊疗水平是否变化，是否会对AI产生依赖等），以及医生诊断水平变化对于患者的影响等仍缺少相应的研究，还有待进一步研究。