本研究开发了一个人工智能模型，能够在窄带光谱成像（NBI）下准确检测浅表食管鳞癌及癌前病变并精确勾画病变边界。该项研究是第一个评价人工智能模型在非放大NBI下实时准确勾画浅表食管鳞癌及癌前病变边界的报道。

食管鳞癌是我国常见的消化道肿瘤之一，其早期诊断率低，患者预后差。窄带光谱成像是内镜下筛查浅表食管鳞癌及癌前病变的重要方法。由于此类病变的内镜特征常不典型，对医生的诊断水平要求高，且我国内镜筛查质量参差不齐，导致相当比例的病变被漏诊。此外，部分病变即使在NBI下也难以准确勾画出边界。

近年来，人工智能在消化内镜领域中的应用飞速发展。本团队基于深度学习开发了一个可在NBI下实时检测并勾画浅表食管鳞癌及癌前病变边界的AI模型。

我们收集了四家医院的内镜数据，按照时间段以及随机抽样原则将数据划分为训练集、内部测试集、外部测试集和对比测试集。基于YOLACT网络构建了AI模型。在测试方面，首先我们测试了模型在内部和外部测试集中检测并勾画病变边界的能力，然后比较了模型和11名医生判断病变边界的差异，最后开展一项观察性临床试验评估了模型在真实临床环境中的实时诊断能力。

研究结果显示，模型在内部和外部测试集中均表现出良好的检测病变性能和勾画病变边界能力，其中检测病变的准确率分别为92.4%和89.9%，判断病变边界的准确率分别为88.9%和87.0%。模型勾画病变边界的表现不仅显著优于低年资医生，而且达到了高年资医生的水平，甚至对大小为11~50 mm的病变以及不同浸润深度的病变，模型的平均交并比明显优于高年资医生。此外，模型能够实时处理内镜视频，在真实临床应用中显示出出色的诊断性能。

相比其他需要独立显示器的模型，本研究的模型直接接入医生日常使用的内镜显示器中，单屏幕使用模型而不改变医生的操作习惯，更贴合临床需求。据我们所知，这是第一个评价人工智能模型在NBI下实时准确勾画浅表食管鳞癌及癌前病变边界的研究报道。研究结果已发表于《消化内镜》（Gastrointest Endosc）杂志。

尽管食管鳞癌的发病率随着内镜检查技术的提升有所下降，但由于其早期检出率低，仍是对全球人民生命健康构成重大威胁的恶性肿瘤之一。因此，提高其早期诊断率是当务之急。

多项研究显示，NBI用于检测和勾画浅表食管鳞癌及癌前病变边界是有用且可靠的。尽管近年来AI在消化内镜领域中的应用取得了显著进展，但既往的AI模型在检测和勾画浅表食管鳞癌及癌前病变边界方面仍存在一定局限性：1）无法准确勾画病变边界；2）缺乏对勾画边界性能的评估；3）性能验证局限于静态图像，从而影响了模型的临床实用性。

本项研究使用先进的算法和更丰富的数据来训练和测试模型，模型在多中心来源的图像测试集中和真实临床测试中均表现出良好的检测和判断浅表食管鳞癌及癌前病变边界的性能，并在消除某些诊断主观性、辅助低年资医生勾画病变边界方面显示出巨大的潜力，该模型具有良好的临床应用价值。

期待在不久的将来，该AI模型能够促进食管鳞癌的早期诊断、指导治疗方案的合理制定，并辅助内镜手术的精准实施。

胡兵教授团队是国内外消化道早癌诊治领域先行者和领军者，开展10余项国际首创新技术，建立了消化道早癌数据库和生物样本库，围绕内镜筛查、早癌诊断、术前评估、ESD手术、病理学特征、术后随访、早癌发生机制、流行病学调查、技术创新、产品研发、医工交叉多领域跨学科全链条研究，团队获国家级项目10项，包括食管类器官基础研究、食管巨大平滑肌瘤内镜切除、食管早癌人工智能、食管早癌ESD术后追加放疗RCT、内镜三维可视化技术、ERCP防射线辐射RCT、肠道人工智能、潜水胶囊内镜、内镜下经盲肠阑尾切除术及磁珠辅助牵拉技术等｡研发产品“食管早癌人工智能辅助诊断系统”获工信部人工智能医疗器械创新任务揭榜入围，受邀参加国家“十三五”科技创新成果巡回展并入选首届“华西医工十大进展”｡

胡兵教授团队带领的消化内镜中心已发展成为国际一流的国内外医生培训基地，团队取得了多个技术创新并研发多款创新产品｡迄今为止，吸引来自美国、英国、德国、加拿大、俄罗斯、阿联酋、印度、埃及等国家的数十位医师前来四川大学华西医院进修学习，包括梅奥诊所、约翰·霍普金斯、乔治敦大学医院、西南医学中心、范德比尔特医学中心、德国基尔大学医学院等全球著名医院的医师，通过与欧美国家及“一带一路”沿线国家的技术交流合作学习，华西内镜已站上了国际舞台，占领世界内镜创新技术高地｡