腸道是人體消化道的重要組成部分，除了負(fù)責(zé)消化之外，還是人體最大的免疫器官。腸道問(wèn)題一直以來(lái)也困擾著人類健康。2005年，世界胃腸病學(xué)（WGO）把每年的5月29日定為世界腸道健康日。近年來(lái)，隨著人工智能與醫(yī)療的融合發(fā)展，AI技術(shù)已經(jīng)在腸道疾病的病理診斷、病情預(yù)測(cè)和圖片分析等各方面發(fā)揮了重要作用。第18個(gè)世界腸道健康日，本文將帶你一起了解AI如何助力腸道疾病診療。

前言

腸道是人體消化道的重要組成部分，除了負(fù)責(zé)消化之外，還是人體最大的免疫器官，淋巴組織極為發(fā)達(dá)，集結(jié)了人體80%左右的免疫細(xì)胞。腸道問(wèn)題一直以來(lái)也困擾著人類健康。針對(duì)腸道疾病的診療工作隨著現(xiàn)代醫(yī)療器械和科技的水平進(jìn)步也已經(jīng)和過(guò)去大不一樣，在日常的診療工作中醫(yī)生需要處理大量的數(shù)據(jù)信息，包括病患病例數(shù)據(jù)、病理數(shù)據(jù)和內(nèi)窺鏡、超聲圖像等各式醫(yī)療圖像信息，為了達(dá)到更好的診療效果，醫(yī)生需要與越來(lái)越復(fù)雜繁瑣的醫(yī)療數(shù)據(jù)打交道，從中提取有用的信息來(lái)開展診療工作。自2010年以來(lái)，人工智能的前沿高速發(fā)展連帶效應(yīng)迅速席卷了各行各業(yè)，尤其是卷積神經(jīng)網(wǎng)絡(luò)的誕生，在腸道疾病診療的海量數(shù)字圖像和醫(yī)學(xué)數(shù)據(jù)處理方面帶來(lái)了前所未有的改觀，如今，AI技術(shù)已經(jīng)在腸道疾病的病理診斷、病情預(yù)測(cè)和圖片分析等各方面發(fā)揮了重要作用。

輔助診斷與病情預(yù)測(cè)

機(jī)器學(xué)習(xí)尤其是深度學(xué)習(xí)算法在處理復(fù)雜的數(shù)據(jù)集問(wèn)題方面克服了傳統(tǒng)線性統(tǒng)計(jì)的缺點(diǎn)，基于病理數(shù)據(jù)的分析能力，在輔助診斷和病情預(yù)測(cè)方面有著卓越的表現(xiàn)。

在病情診斷方面，不同的診斷差異導(dǎo)致不同臨床決策一直是個(gè)問(wèn)題。在臨床醫(yī)學(xué)中。以腸道腫瘤為例；忽視病變和誤診腫瘤性病變?yōu)榉悄[瘤性病變可能導(dǎo)致之后的癌癥，將深部浸潤(rùn)癌癥誤診為淺表癌癥會(huì)導(dǎo)致治療不足并使患者面臨未來(lái)復(fù)發(fā)甚至死亡的風(fēng)險(xiǎn)；相反，將淺表癌診斷為深部浸潤(rùn)癌會(huì)引發(fā)相關(guān)的并發(fā)癥，可能導(dǎo)致過(guò)度治療和不必要的支出，并損害患者的生活質(zhì)量。目前，人工智能技術(shù)已經(jīng)用于開發(fā)在結(jié)腸鏡檢查中檢測(cè)和表征息肉的工具，并且還能夠結(jié)合內(nèi)窺鏡圖像來(lái)區(qū)分淺表和深部從而避免不必要的手術(shù)。更值得注意的是，人工智能還可以幫助經(jīng)驗(yàn)不足的內(nèi)鏡醫(yī)師改善息肉檢測(cè)水平，這有望減少內(nèi)鏡醫(yī)師表現(xiàn)的差距，從多維度幫助病患和醫(yī)護(hù)人員改善診斷過(guò)程。

在病情預(yù)測(cè)領(lǐng)域，涉及治療反應(yīng)、并發(fā)癥預(yù)測(cè)和存活率等方面，人工智能也在該領(lǐng)域?yàn)檫_(dá)到腸道精準(zhǔn)醫(yī)療做出了突出貢獻(xiàn)。相比于基于有限的人為界定參數(shù)的傳統(tǒng)病情預(yù)測(cè)方法，人工智能算法模型通過(guò)加入卷積和循環(huán)的非線性運(yùn)算，可以適應(yīng)不同類型的動(dòng)態(tài)與靜態(tài)臨床參數(shù)，甚至將生物標(biāo)記納入計(jì)算，能夠在短期和長(zhǎng)期的病情預(yù)測(cè)上達(dá)到更加準(zhǔn)確、更加有彈性的預(yù)測(cè)結(jié)果?；陬A(yù)測(cè)結(jié)果，人工智能算法模型還能夠通過(guò)將病患進(jìn)行預(yù)分組，來(lái)有效提高強(qiáng)化治療方案成果和規(guī)避治療風(fēng)險(xiǎn)。

指導(dǎo)治療與輔助決策

在傳統(tǒng)的治療方案過(guò)程中，往往以臨床醫(yī)生的經(jīng)驗(yàn)為基準(zhǔn)，綜合病人的實(shí)際情況進(jìn)行指定，人工智能算法模型的引入可以讓醫(yī)生借助醫(yī)學(xué)大數(shù)據(jù)的力量，在治療方案的制定過(guò)程中加入對(duì)以往病例、疾病現(xiàn)狀、基因組學(xué)等維度的考量，輔助決策出對(duì)病患最合適的診療方案，從而增加治療成功的可能性。

例如，在治療炎癥性腸病患者時(shí)，臨床醫(yī)生經(jīng)常會(huì)面臨采用升階治療策略和降階治療策略之間的抉擇；不同生物藥劑之間的選?。灰约俺杀究紤]、地方政策和病患偏好等多重復(fù)雜因素。而這些因素都可以由模型進(jìn)行數(shù)字化之后，在人工智能算法模型中以不同權(quán)重參數(shù)的形式出現(xiàn)，影響最終的診療方案制定結(jié)果，并且做到有據(jù)可依、有跡可循，最大化合理利用醫(yī)療資源，根據(jù)病患病情即時(shí)更新迭代，跟蹤康復(fù)情況，規(guī)避醫(yī)療風(fēng)險(xiǎn)，成為醫(yī)患之間的信息助手和保險(xiǎn)屏障。

腸道醫(yī)療圖像分析

以腸道疾病常采用的內(nèi)窺鏡手術(shù)圖像為例，人工智能圖像技術(shù)已經(jīng)被證明在該領(lǐng)域有著良好的表現(xiàn)，憑借其高靈敏度和強(qiáng)特異性在檢測(cè)病變、息肉、出血、和炎癥的工作中得到了廣泛的應(yīng)用。由于相比于人類醫(yī)師，人工智能技術(shù)具備穩(wěn)定性強(qiáng)、反應(yīng)速度快、無(wú)視覺疲勞、無(wú)醫(yī)師差異性等優(yōu)勢(shì)，在手術(shù)過(guò)程中和術(shù)后分析中都已得到信任和應(yīng)用。

科學(xué)家Urban等人基于CNN網(wǎng)絡(luò)研制出的模型在識(shí)別內(nèi)窺鏡手術(shù)視頻中的息肉準(zhǔn)確率達(dá)到了96.4%，ROC曲線值來(lái)到了0.991，識(shí)別的準(zhǔn)確率和召回率均遠(yuǎn)高于人類醫(yī)師普通水準(zhǔn)。此外，人工智能可以幫助識(shí)別圖中的息肉是增生性還是腺瘤性，這一功能可以有效幫助改善腺瘤性檢測(cè)準(zhǔn)確率，減少了不必要的息肉切除手術(shù)，節(jié)省了大量勞動(dòng)力和成本。

腸道診療領(lǐng)域的無(wú)線膠囊內(nèi)窺鏡 (WCE)的誕生進(jìn)一步允許醫(yī)生們對(duì)病患的腸道進(jìn)行無(wú)痛檢查。然而，WCE 的圖像閱讀非常耗時(shí)，閱讀難度高成為使用該技術(shù)的障礙。日本科學(xué)家青木等人訓(xùn)練了一個(gè)基于 Single Shot MultiBox 的深度 CNN 系統(tǒng)，使用數(shù)千個(gè) WCE數(shù)據(jù)進(jìn)行訓(xùn)練，在此基礎(chǔ)上生成的模型僅需 233 秒即可評(píng)估 10 440 張測(cè)試圖像并成功發(fā)現(xiàn)大部分小塊的糜爛和潰瘍，ROC 曲線為 0.958， 速度快、準(zhǔn)確率高，為此節(jié)省的時(shí)間和精力非常顯著，最大限度地減少了監(jiān)督的機(jī)會(huì)和醫(yī)生的負(fù)擔(dān)。

國(guó)內(nèi)應(yīng)用

國(guó)家衛(wèi)健委在2020年發(fā)布了《醫(yī)療機(jī)構(gòu)設(shè)置規(guī)劃指導(dǎo)原則（2021-2025年），明確未來(lái)5年基層醫(yī)療機(jī)構(gòu)發(fā)展方向和具體指標(biāo)。強(qiáng)化信息化的支撐作用，推動(dòng)人工智能、大數(shù)據(jù)、云計(jì)算、5G、物聯(lián)網(wǎng)等新技術(shù)與醫(yī)療深度融合，推進(jìn)智慧醫(yī)院建設(shè)和醫(yī)院信息標(biāo)準(zhǔn)化建設(shè)。隨著醫(yī)學(xué)影像數(shù)據(jù)的擴(kuò)增、人工智能算法模型的改進(jìn)優(yōu)化以及軟硬件設(shè)備的提升，越來(lái)越多的人工智能技術(shù)開始應(yīng)用并落地于臨床醫(yī)學(xué)影像場(chǎng)景中，從而幫助醫(yī)生提高診療效率和診療精度，縮短患者就診等待時(shí)間，降低患者就醫(yī)成本。

此外，中華醫(yī)學(xué)會(huì)令狐恩強(qiáng)教授在《2020消化領(lǐng)域新進(jìn)展》指出：國(guó)內(nèi)消化內(nèi)鏡行業(yè)響應(yīng)黨中央和國(guó)務(wù)院的“健康中國(guó)2030”戰(zhàn)略號(hào)召，在消化道癌的早期診斷、早期治療領(lǐng)域提出多項(xiàng)共識(shí)指南，推廣多項(xiàng)創(chuàng)新技術(shù)理論，以實(shí)現(xiàn)消化道癌早診早治早康復(fù)?；谏疃葘W(xué)習(xí)的計(jì)算機(jī)輔助診斷在消化內(nèi)鏡領(lǐng)域也受到越來(lái)越多的關(guān)注，結(jié)腸鏡、上消化道內(nèi)鏡、膠囊內(nèi)鏡等內(nèi)鏡影像領(lǐng)域中卷積神經(jīng)網(wǎng)絡(luò)具備很高的應(yīng)用價(jià)值，在識(shí)別消化道內(nèi)鏡圖像如幽門螺桿菌感染和胃癌，結(jié)腸息肉的檢測(cè)與分類檢出與癌癥特征分類等領(lǐng)域取得了突破性成果。

在醫(yī)護(hù)工作的一線，我們也能看到在2021上海消化及消化內(nèi)鏡高峰論壇會(huì)上，上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院的科研人員分析道，膠囊內(nèi)鏡的問(wèn)世標(biāo)志著小腸疾病診斷的革命，AI技術(shù)在膠囊內(nèi)鏡中的應(yīng)用有效的解決了：檢查中成片數(shù)量多，1個(gè)小腸檢查成像幾萬(wàn)張張，且冗余圖像數(shù)量大，耗費(fèi)20分鐘至1小時(shí)不等的時(shí)長(zhǎng)；緩解圖像解釋和診斷憑醫(yī)生經(jīng)驗(yàn)或主觀上的疏忽導(dǎo)致的誤診漏診狀況。AI賦能輔助閱片、輔助診斷、輔助操控，能極大減輕醫(yī)師的閱片負(fù)擔(dān)。

未來(lái)發(fā)展趨勢(shì)

人工智能在醫(yī)學(xué)領(lǐng)域卷起的浪潮方興未艾，腸道診療領(lǐng)域仍有許多人工智能技術(shù)發(fā)揮的空間，我們不妨對(duì)未來(lái)的發(fā)展趨勢(shì)提出一些暢想和建議。

建立公開可交換臨床數(shù)據(jù)平臺(tái)。準(zhǔn)確的人工智能模型應(yīng)該建立在高質(zhì)量的數(shù)據(jù)基礎(chǔ)上，覆蓋龐大人口和高效信息交換平臺(tái)的多樣化數(shù)據(jù)集。如果數(shù)據(jù)的多樣性太低，訓(xùn)練模型的過(guò)擬合將成為問(wèn)題，不能推廣到其他醫(yī)療單位或環(huán)境。結(jié)構(gòu)化的真實(shí)世界數(shù)據(jù)不僅可以用作臨床治療，也可用作未來(lái)新藥開發(fā)的依據(jù)和制藥行業(yè)的新療法?？缍鄠€(gè)地方和不同源系統(tǒng)、具有明確定義的可交換數(shù)據(jù)和可互操作平臺(tái)已成為未來(lái)人工智能工具落地的當(dāng)務(wù)之急。

加強(qiáng)人工智能模型驗(yàn)證工作。一旦 AI 算法經(jīng)過(guò)訓(xùn)練，就很難證明它的魯棒性和可靠性，因?yàn)樗菀资艿接幸饣驘o(wú)意的內(nèi)置偏見的影響，這可能會(huì)造成我們的結(jié)果偏差。目前大部分已發(fā)表的AI算法在研究文獻(xiàn)中實(shí)際上無(wú)法在真實(shí)世界的臨床實(shí)踐，其中只有少數(shù)真正的實(shí)施到臨床工作流程中。缺乏大規(guī)模現(xiàn)實(shí)環(huán)境中的外部驗(yàn)證和數(shù)字系統(tǒng)之間的數(shù)據(jù)共享標(biāo)準(zhǔn)是需要克服的主要障礙，在此基礎(chǔ)上才能打造有實(shí)用意義的人工智能算法模型。

持續(xù)開拓人工智能腸道診療待應(yīng)用領(lǐng)域。在可預(yù)見的未來(lái)，將有更多的數(shù)據(jù)來(lái)源，例如患者生成的來(lái)自健身監(jiān)測(cè)器和血壓傳感器等設(shè)備，多組學(xué)數(shù)據(jù)（基因組學(xué)、蛋白質(zhì)組學(xué)、代謝組學(xué)、宏基因組學(xué)、暴露組、環(huán)境條件等）或可應(yīng)用的不同數(shù)據(jù)格式（視頻、音頻或社交媒體數(shù)據(jù)等）在臨床工作流程的不同部分。在未來(lái)人工智能在腸道診療領(lǐng)域發(fā)揮的作用將不僅局限于診療本身，隨著數(shù)據(jù)的多元化和多樣化，相信該領(lǐng)域的專家一定會(huì)開拓出更多在疾病監(jiān)測(cè)、預(yù)防、術(shù)中、用藥、治療、復(fù)健等全流程人工智能賦能，追求真正的精準(zhǔn)智慧醫(yī)療。

本文學(xué)術(shù)指導(dǎo)：

鄒多武，教授，上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院消化科主任、消化內(nèi)鏡中心主任

本文撰稿作者：

王天逸，上海人工智能研究院研究員

王錦，上海人工智能研究院助理研究員

參考文獻(xiàn)

[1]   Li, Zhaoshen MD; Zou, Duowu; Ma, et al., Epidemiology of Peptic Ulcer Disease: Endoscopic Results of the Systematic Investigation of Gastrointestinal Disease in China, American Journal of Gastroenterology: December 2010 - Volume 105 - Issue 12 - 2570-2577

[2]  Yang YJ, Bang CS. Application of artificial intelligence in gastroenterology. World J Gastroenterol. 2019;25(14):1666-1683.

[3]  Le Berre, Catherine, et al. Application of artificial intelligence to gastroenterology and hepatology. Gastroenterology 158.1 (2020): 76-94.

[4]  Ruffle J K, Farmer A D, Aziz Q. Artificial intelligence-assisted gastroenterology—promises and pitfalls[J]. Official Journal of the American College of Gastroenterology| ACG, 2019, 114(3): 422-428.

[5]  Sung J J Y, Poon N C H. Artificial intelligence in gastroenterology: where are we heading?[J]. Frontiers of medicine, 2020, 14(4): 511-517.

[6]  Carleton N M, Thakkar S. How to approach and interpret studies on AI in gastroenterology[J]. Gastroenterology, 2020, 159(2): 428-432. e1.