四川大学华西医院消化内科, 成都 610041
通信作者：胡兵，Email： hubingnj@163.com
人工智能（Artificial intelligence，AI）的观点早在上世纪50年代就已经提出，紧张研究方向是用机器来仿照、延伸、扩展人类智能，从而用机器来代替人的劳动力，包括专家系统、机器学习、进化打算、模糊逻辑、打算机视觉、自然措辞处理、推举系统等多个方面。在之后的半个世纪，人工智能的发展几经波折。人工智能的前景也一贯处在吹捧与质疑的双重评判之中，即人工智能究竟是即将到来的技能革命，还是“最大的科技泡沫”。2016年，AlphaGo击败围棋顶尖高手，象征着人工智能时期的到来已经不是一个传说。而随着医学大数据的飞速发展，以及机器学习新算法（深度学习）的涌现，医疗人工智能的运用也进入了高速发展的阶段。目前美国食品药品监督管理局（FDA）已经批准了多个关于人工智能的医疗产品，运用范围包括心电图房颤检测、糖尿病眼底病变的诊断、X射线、CT以及MRI图像的诊断等。消化内镜作为人工智能图像识别运用的关键领域，也取得了巨大的进步。2019年日本奥林巴斯公司发布了搭载人工智能的结肠镜，用于赞助内镜年夜夫的诊断。Endoscopy杂志揭橥评论文章，提出人工智能用于结肠镜检讨的条件已经成熟，人工智能消化内镜到了临床试验的阶段。我们将从以下几个方面来阐述人工智能消化内镜的干系情形。
一、人工智能关键观点大数据、打算力以及算法是人工智能研发的三大要素。
1.大数据：随着医疗检讨技能手段的提高，医疗数据呈现几何级的增长，为人工智能的研发供应了根本条件。人工智能能从海量的数据中提取特色，迅速地做出医学剖断。
2.打算力：打算机运算能力的提高，是人工智能研发的硬件根本，能极大提高运算的速率。同时现场可编程门阵列（FPGA）和图形处理器（GPU）架构等根据运用的特点定制打算和存储的构造，实现硬件与算法的最佳匹配，得到较高的性能功耗比。
3.算法：与消化内镜人工智能最干系的深度学习（deep learning）是实现机器学习的一种算法，即把原始的数据通过多重非线性变换，构成的多个处理层，从而自动学习特色的技能，包括深度神经网络、卷积神经网络、深度置信网络和递归神经网络等多种深度学习框架。深度学习算法设置多个隐含层的神经网络构造，通过对神经元的连接方法和激活函数等方面做出相应的调度，从大数据中提取信息，从而建立人工智能模型。目前深度学习算法，在图像识别准确性上，已经可以有超越人类的表现。
二、 消化内镜人工智能的技能阶段消化内镜人工智能的运用紧张在于图像识别运用方面。从测试工具分类，可以分为图片识别与视频动态识别两大类。个中图像识别大概可以分为目标分类、目标检测、目标分割等（图1）。目标分类，是指基于模型演习情形，来确定这张图片的性子，比如是息肉的图片或不是息肉的图片。目标检测，是指不但能将特定病变的图片识别出来，而且同时能将病变标记出来。目标分割则更进一步，能将病变的边界进一步圈定出来。视频动态识别则是对目标进行追踪，能实时对图像进行剖断。
从运用目的上讲，可以分为病变检出与病变性子分类两大类。病变检出即从包含病变与不包含病变的图片等分选出含有病变的图片，同时可以再对病变定位检测。而病变性子分类，则是将某一张图片划分入几个分类中的特定一类。比如根据日本食道协会分型，可以将上皮乳头内毛细血管袢（IPCL）分为A、B1、B2及B3型，人工智能能将IPCL的图片分到某一详细的种别。
从功能上对消化内镜人工智能系统进行分类，又可以分为单功能与多功能。单功能即只能对单一病变识别，而多功能能对多种病变同时识别。
三、人工智能消化内镜的研究现状目前人工智能技能已经在全体消化道，多种疾病进行研究（表1）。结直肠息肉人工智能检测，是人工智能消化内镜领域运用中发展最快的一个领域，也是最靠近实用化的领域。目前已经有多篇文章宣布，涵盖了白光、窄带光成像（NBI）以及显微内镜图像等多种形式。从息肉的检出到息肉性子的剖断（剖断是肿瘤性、非肿瘤性）都已经进行了大样本的动态实时视频的检测，且准确性都达到了90%旁边。近期更是揭橥了人工智能检测结直肠息肉的首个随机对照试验，研究结果显示人工智能赞助识别可以将腺瘤检出率增加50%，检出率从20%上升至约30%，而腺瘤检出率的提高紧张是小的腺瘤检出增多[9]。
图1 人工智能图片识别方法分类
上消化道早癌（食管早癌及胃早癌）的人工智能识别是这一领域又一主要的方向。但比较于结直肠息肉，该领域的研究进展相对较慢。目前尚没有大规模的运用人工智能进行动态视频检测上消化道早癌的宣布，现有的研究多集中在图片识别阶段，目前的紧张问题是特异性较差、假阳性高，且测试的数据量偏小，尚须要用更大数据量的测试集进行验证。上消化道早癌人工智能研究进度较慢的缘故原由可能有几个方面：第一，早癌的特色较息肉繁芜。比较于息肉单一的隆起性形态，早癌可以表现为隆起、平坦、凹陷等多种形态，且可能存在角化物、白色不透明物质等的滋扰。第二，早癌的病例数及图片量相对较少，须要人工智能模型能更准确地捉住病变的特点，因此在模型构建及调试上难度增加。第三，人工智能模型的构建，每每首先须要内镜年夜夫供应圈定病变范围的图片，而上消化道早癌图片的识别标记常须要履历丰富的年夜夫来完成，模型演习数据库建立的难度加大。
目前还有部分研究者利用人工智能来剖断是否存在幽门螺旋杆菌（HP）传染。通过演习，在利用蓝光成像（BLI）图片时，人工智能通过胃镜图片剖断HP传染的ROC曲线下面积（AUC）可达到0.96，表示了较高的准确性。
人工智能在消化内镜中利用的另一个主要的方面，是用于胶囊内镜图像的识别。由于胶囊内镜的图片量巨大，每个患者可以达到近10万张图片，因此利用人工智能代替年夜夫对胶囊内镜的图片进行初步筛查具有很好的运用前景。目前已有研究利用人工智能来诊断小肠寄生虫、小肠血管畸形等疾病。但总体目前仍勾留在图片识别研究阶段，且目前揭橥的文献采取的测试数据集量都偏小，无法有效论证人工智能模型的有效性。
除了病变的识别，人工智能还运用于内镜检讨质量掌握。减少内镜检讨的盲区，是提高胃肠镜检讨质量的一个主要方面。目前海内已有研究将人工智能用于剖断胃镜检讨盲区，并通过随机对照试验进行了验证，对付提高内镜检讨质量掌握具有主要意义。
四、消化内镜年夜夫与人工智能浪潮目前消化内镜人工智能的浪潮已经席卷而来，人工智能消化内镜产品可能在不久的将来运用到临床实践中来，从而改变现有的诊疗模式。那么消化内镜年夜夫该当如何参与，合营这场即将到来的科技浪潮。我们有以下几点意见：
1.强化规范化的内镜操作及术前准备。内镜充分良好地显露病变，是人工智能能够识别的条件。规范化的操作及术前准备才能让人工智能有效发挥浸染。
2.优化内镜图片数据的管理。人工智能算法再前辈，也无法提取出数据中没有的信息。因此优化内镜数据管理，建立一个全面、规范、信息详确、准确的数据库，是人工智能模型完善的必备条件。
3.倡导人性化关怀。除了治疗，医疗另一个主要的核心是关怀，这可能是人工智能永久都无法取代的。倡导人性化关怀是每个年夜夫必须牢记在心的基本教化。
四川大学华西医院消化内科唐承薇教授及胡兵教授分别组建团队进行多年消化内镜人工智能研究，其研究产品目前已报国家药监局审批，人工智能产品进入消化内镜临床已为期不远。消化内镜人工智能风起云涌是科技进步的一定趋势，但如何让人工智能落地，真正进入临床，以及如何让人工智能与内镜年夜夫上风互补，促进内镜诊疗的进步，须要每个内镜人谨思、笃行。