提起医学影像人工智能，人们往往想起放射科计算机辅助／自动阅片，比如肺结节自动识别等项目。放射科的人工智能辅助诊断相关领域吸引了大量的医疗机构、跨国公司和创业公司投入研发和商业化。而医学影像的范畴远远不止放射影像，还有病理、眼底和内窥镜等。从数据规模和临床需求的增长角度，内窥镜中的消化内镜影像则是最炙手可热的领域，同时也引全球无数AI英雄竞折腰。

2017年下半年，消化内镜相关的AI领域可谓热闹非凡：

5月，日本奥林巴斯和富士公司宣布将合作开发适合胃和肠道的人工智能辅助诊断产品，来提消化道病变的检查效率并降低漏诊率，双方计划利用来自东京地区若干家医院的30万张胃和肠道的内镜图像，先进行标记然后进行深度学习训练和人工智能的开发，计划于2020年进入临床实验。奥林巴斯和富士公司是全球消化内镜的领导厂商，行业内互为最大竞争对手的双方居然在AI领域宣布合作开发，无疑是对消化内镜人工智能产品和该产业的一个积极信号。

7月，日本癌症中心和NEC公司宣布开发出在结肠内窥镜中自动诊断息肉的人工智能，通过14万张结肠内镜的图像训练人工智能，测试5000张结肠内镜图像，获得了高达98%的精确度，并宣布2019年正式进入临床实验。

8月，腾讯公司发布觅影产品，着力于食道癌早期人工智能筛查，并在广西自治区人民医院上线使用。根据腾讯觅影网站公布的数据，该系统可以实现90%的识别准确率，87%的敏感度和99%的特异度。目前，食道癌的早期筛查非常困难，并无十分有效的筛查方式。如果腾讯公司能够研发出适合食道癌的早筛手段，那无疑是医学界的重大进步，也是能够改写临床指南的重大创新。

同样在8月，华西医院与四川希氏异构公司成立华西-希氏医学人工智能中心，并发布了人工智能消化内镜产品能够在胃镜下对息肉、肿瘤和静脉曲张进行准确识别的，准确率分别达到92.7%、93.9%和96.8%。

10月，四川省人民医院在世界胃肠病学大会（WCOG）上发表了对消化内镜AI辅助诊断的大型前瞻临床实验的主旨演讲。其中验证了上海忤合公司研发的实时监测系统对癌前病变的检出率达到100%，逐帧特异性敏感性均高于94%，AUC值高达0.991，每秒可检测25帧画面。该成果获得北美胃肠病学会（ACG）颁发的唯一国际大奖。这是消化内科临床界权威第一次认可AI辅助诊断产品的临床价值。随后，哈佛医学院也加入了对该产品的临床实验。

12月，日媒报道日本横滨医院等六家医院利用人工智能在窄带光NBI的500倍放大内镜下，仅用0.3秒即可精确的诊断肠道息肉的性质；这6家日本医院已经加入了该项技术的临床实验中。以往通过取活检分析病理的方式，需要耗时一周才能确定息肉的恶性程度，这项成果无疑能够优化肠癌的诊断决策流程。

虽然临床界对AI辅助诊断的技术和产品保持着非常保守和谨慎的态度，但这并不影响消化内镜成为医学影像AI领域的火热战场，中美日医疗器械厂商、医疗机构以及AI创业公司纷纷投入开发和临床实验，不断有新的产品发布，并且已经开始有征服临床界最高权威的产品出现。笔者分析有以下原因：

一、消化道癌症的发病率的增长：根据世界卫生组织统计，胃癌、结直肠癌和食道癌三种最主要的消化道癌症均列于全球高发癌症前六名，在中国分列第二、第四和第五名，总和远超肺癌。这三种消化

道癌症在中国的发病率均呈上升趋势。消化道癌症均属于粘膜病变，早期发现的治愈率极高，所以早筛的意义重大，发达国家如美国和日本都有国家级的筛查计划，例如美国在过去的十年通过结肠镜对适龄人口的筛查工作大幅度降低了结直肠癌的发病率，于是美国癌症中心计划在未来的十年要将肠癌筛查普及到80%的适龄人口。

而在中国的大型三甲医院，每一个消化内科或内镜中心都是人满为患，预约胃肠镜的检查的等待时间往往都是以周来计算，通过人工智能手段辅助消化道癌症的早期发现和诊断，将极大地提高筛查和检查的效率，解决医疗资源相对有限且分布不均的矛盾。

二、消化内镜是临床诊断和治疗的核心环节：与放射科的阅片业务相比，消化内镜是消化道病变筛查和诊断的金标准，也是微创和无创治疗的主要手段。围绕消化内镜开发的人工智能产品将具备更为核心的临床价值，比如早癌及癌前病变的自动检测系统将直接提高早癌检出率，从而有效地减少癌症死亡率。人工智能可以深入到消化内镜诊断和治疗的各个环节，更具备作为独立医疗器械产品的临床价值和商业变现能力。

三、消化内镜本身的技术更新迅速：消化内镜通过自然腔道进入人体进行诊断和治疗，是无创和微创手术方式的创新平台，越来越多的手术迁移到消化内镜平台上，甚至包括肺、胆囊等器官的临近区域肿瘤的切除和治疗，都可以在消化内镜下完成。同时消化内镜提供特殊光源、放大镜、甚至显微镜的观察方式，这为医学对疾病病理的研究提供了丰富的手段，同时也为人工智能的用武之地提供了更广阔的空间。

当然，消化内镜人工智能的发展也具备一定的不利因素，诸如公开数据集少、病兆形态特征复杂，标注成本高、产品实时性要求高等等。目前全球范围内基于公开资料统计，投入消化内镜人工智能开发的科研单位、医疗机构和企业还不超过30家。笔者相信会有更多的组织将加入该行列，并且这些困难在巨大的临床价值和商业价值的驱动下，都将一一被创新者所克服。