人工智能与消化道早癌: 新挑战与新未来

表1 AI在早期食管癌中的部分研究特点

研究	国家	发布时间	样本量	目的	AUC	灵敏度	特异度
王娜等[8]	中国	2024年	6321张图像为训练集, 10408图像测试集	识别早期食管鳞状细胞癌	-	95.6%	91.6%
Guo等[9]	中国	2020年	6473张NBI图像为训练集, 6671张NBI图像为测试集	识别早期食管鳞状细胞癌	0.989	98.04%	95.03%
Liu等[11]	中国	2022年	1670张白光图像来训练和验证CNN系统	EUS下自动识别食管病变浸润深度和来源		80.23%	90.56%
Jukema等[12]	荷兰	2024年	GastroNet数据库为训练集, 3596张NBI图像为测试集	CADx辅助显着提高了普通内镜医生对BE的表征性能的识别, 达到了专业内镜医生的水平	-	-	-
Liu等[19]	中国	2020年	350例食管切除术和重建术的ESCC患者为训练集, 173例食管切除术和重建术的ESCC患者为测试集	预测ESCC患者是否存在病理性淋巴结转移	0.852	-	-
Kouzu等[21]	日本	2022年	156例ESCC患者苏木精-伊红数字化载玻片为训练集, 66例ESCC患者苏木精-伊红数字化载玻片为测试集	定量地评估ESCC中的DR进而预测预后	-	-	-

AI: 人工智能; AUC: 曲线下面积; NBI: 窄带成像技术; CADx: 计算机辅助诊断; CNN: 卷积神经网络; BE: 巴雷特食管; ESCC: 食管鳞状细胞癌; DR: 纤维组织增生反应; BE: 巴雷特食管; EUS: 超声内镜; DR: 纤维组织增生反应.