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.

表2 AI在早期胃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
Horiuchi等[24]	日本	2020年	1492张EGC和1078张胃炎图像为训练集, 151张EGC和107张胃炎图像为测试集	使用NBI联合放大内镜来区分EGC和胃炎	-	95.4%	75.0%
Yang等[25]	中国	2022年	10439张EUS图像研发	EUS下诊断胃肠道间质瘤和胃肠道平滑肌瘤	-	-	-
Tang等[27]	中国	2022年	13151张图像为训练集, 7057张图像为内部验证集, 1577张图像为外部验证集, 20个视频为视频验证集	在NBI内镜下诊断EGC	0.888-0.951
Goto等[28]	日本	2023年	500张黏膜内膜和黏膜下癌为训练集, 200张黏膜内膜和黏膜下癌为测试集	AI辅助下内镜医师之对EGC浸润深度的诊断		76%	80%
Bang等[29]	韩国	2021年	2703例未分化型早期胃癌为训练集和内部验证集, 按9:1随机分配. 来自两家独立数据集的402例未分化型早期胃癌为测试集	预测内镜黏膜下剥离术在未分化的ECG的根治性切除率
Fan等[34]	中国	2022年	76例胃癌患者的增强CT和PET-CT影像学特征和临床资料为训练集, 25例胃癌患者的增强CT和PET-CT影像学特征和临床资料为测试集	预测胃癌患者淋巴血管浸润状态	自适应提升AI模型0.944
					线性判别分析AI模型0.929
					逻辑回归AI模型0.921
Chen等[35]	中国	2024年	426例胃癌患者血清学标本为数据集寻找差异代谢物, 95例胃癌患者为早期诊断的验证集, 181例胃癌患者为预测预后的验证集		10PM模型
					0.967	0.854	0.926
					28PM模型
					0.832	0.900	0.700

AI: 人工智能; AUC: 曲线下面积; NBI: 窄带成像技术; EGC: 早期胃癌; EUS: 超声内镜; CT: 计算机断层扫描; PET-CT: 正电子发射断层显像.

表3 AI在早期结直肠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
Glissen Brown等[44]	美国	2022年	一项前瞻性、多中心、单盲、随机串联结肠镜检查研究, 232名患者随机分配进入CADe组和HDWL组	使用CADe系统可降低腺瘤性息肉漏诊率和无蒂锯齿状病变的漏检率, 并增加首次腺瘤性息肉检出率	-	-	-
Bang等[45]	韩国	2021年	纳入13项临床研究的Meta分析	CADe模型利用内镜图像预测小型结直肠息肉组织学的准确性	0.96	0.93	0.87
Hasson[46]	意大利	2023年	纳入21项临床研究的Meta分析, 纳入18232名受试者	CADe辅助结直肠镜检查可增加腺瘤性息肉的检出率	-	-	-
Wittbrodt等[48]	美国	2024年	使用两家医院的结肠镜资料开发AI模型及外部验证	AI对于盲肠插管识别正确率88%, 且AI具有更高的息肉检出率	-	-	-
Kudo等[50]	日本	2020年	69142张为训练集	在染色内镜和NBI内镜下区分肿瘤病变	-	染色内镜下
						96.9%	100%
						窄带成像内镜下
						96.9%	94.3%
Ichimasa等[51]	日本	2018年	590例患者的数据为训练集, 100例患者的数据为验证集	预测T1期CRC患者有无淋巴结转移风险	-	69%	66%
Yao等[52]	中国	2024年	227例患者的CT图像及对应的结直肠和结直肠癌像素级标注作为训练集, 585患者的CT图像作为验证集	用于增强CT图像中的结直肠和结直肠癌分割	-	-	-
Wang等[53]	中国	2020年	192例CRC患者MRI为训练集, 48例CRC患者MRI为验证集	预测直肠癌患者环周切缘是否浸润	0.953	0.838	0.956

AI: 人工智能; CADe: 计算机辅助检测; NBI: 窄带成像技术; CRC: 结直肠癌; CT: 计算机断层扫描; Meta: 数据; PET-CT: 正电子发射断层显像; MRI: 核磁共振成像.