导 语
安翰科技将人工智能技术应用于小肠疾病的临床识别，取得突破性进展。该研究成果文章 Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model（译名《使用深度学习模型的胶囊内窥镜对小肠疾病和黏膜正常改变的胃肠病专家级临床识别》）[1]于 2019 年 10 月作为封面文章在国际消化领域顶级期刊 Gastroenterology（译名《胃肠病学》，影响因子 19.233，RANK = 1）上发表。
国际消化领域顶级期刊 Gastroenterology
译名《胃肠病学》
影响因子：19.233
RANK = 1
 深度学习  通过 AI 识别小肠异常图像
此论文为华中科技大学同济医学院附属协和医院侯晓华教授、蔺蓉教授团队研究，第一作者为华中科技大学同济医学院附属协和医院消化内科丁震教授、施慧英医师。由于安翰科技在胶囊内镜数据影像数据分析以及深度学习模型研究、深度学习算法实现上为这篇论文做出了重要贡献，安翰科技的 3 位技术专家作为该文章共同作者出现。
胶囊内镜改变了小肠领域的研究，然而小肠检查后的视频长达 8-10 小时，因此对消化内科医生来说，分析视频是十分耗时的。深度卷积神经网络（CNNs）已被证实可以在大量的图像中识别特定图像。因此，本研究基于一个 CNN 算法，训练了一个基于深度学习的 AI 模型，来区分正常图像中的异常图像，以协助分析评估小肠胶囊内镜图像。

这一研究成果不仅实现了胶囊内镜应用的智能辅助，更将可能极大程度地改变小肠疾病的诊断模式。安翰科技以其在人工智能领域的创新突破，为这一研究开辟了全新路径，为临床医生与患者带来福音。
 海量数据  帮助大幅提升准确率和效率
研究使用安翰科技 ESView 平台在 77 个医学体检中心进行。该论文指出：患者行安翰磁控胶囊内镜检查。该系统由三部分组成：胶囊内窥镜、数据记录仪和带有实时查看和控制软件的计算机工作站。

安翰胶囊内窥镜长 27 毫米，直径 11.8 毫米，重 4.8 克，视野大于 140°±10%。胶囊自由通过小肠，动态帧速率为 0-2 帧/秒。图像以 0.8 帧/秒的平均速度被捕获和记录。每个视频都是由连续的单个图像/帧组成。视频中的每一幅图像或每一帧都被按图像拍摄的顺序标记上一个特定的数字，保存到一个文件夹中。

该研究收集 2016 年 7 月至 2018 年 7 月期间 6970 名患者的小肠胶囊内镜检查图片 113,426,569 张图像，分别通过常规方法阅片、CNN（深度卷积神经网络）的人工智能图像辅助阅读模型。在 CNN 模型训练阶段，研究人员使用 1970 例患者的小肠检查图像建立模型；在模型验证阶段，用 5000 例患者的小肠检查图像验证模型。

研究结果显示
与传统的阅读模式相比，基于 CNN 的辅助阅片模型，可将平均诊断时间由 96.6 分钟/例下降到 5.9 分钟/例；将平均人工读片数量由 22654 张/例下降到 578 张/例。同时，将基于病灶分析的异常识别的灵敏度由 76.89% 提高至 99.90%；将基于患者分析的异常识别的灵敏度由 74.57% 提高至 99.88%。该研究成果不仅实现了胶囊内镜应用的智能辅助，更将可能极大程度的改变小肠疾病的诊断模式。
<<  滑动查看下一张图片  >>
值得一提的是，基于 CNN 的辅助阅片系统设计的目的是为了确保最高的灵敏度，即筛查出尽可能多的病变，研究者将小肠检查图像分为正常图片和异常图片。异常图片在这项研究中又被定义为两个不同的类别：具有临床意义的显著异常病变（如炎症、溃疡、息肉、隆起性病变、血管疾病、出血、寄生虫和憩室）和轻度异常病变（淋巴管扩张、淋巴滤泡增生等）。
尽管要求如此严苛，基于 CNN 的辅助阅片模型仍表现出高灵敏度、高筛查率、高病变检出率和高效率。文章结论认为：「基于 CNN 辅助模型比消化内科医生的常规分析具有更高的灵敏度和更短的阅片时间。该算法可作为消化内科医生更有效、更准确地分析胶囊内镜小肠检查图像的重要工具。」
 人工智能  有望改变小肠疾病诊断模式
不同于传统应用的胃镜及肠镜，小肠疾病是传统内镜和影像学检查的难点，胶囊内镜的应用是小肠疾病的重要诊疗方式。然而，由于每例小肠胶囊内镜检查产生的视频时长长达 8-10 个小时（平均 20000-30000 张采集图片/例），每例患者将花费消化内科医生 1-2 小时的时间逐一分析数据和诊断疾病，这大大增加了消化科医生分析和诊断小肠疾病的时间成本。同时，高强度的人工读片也会增加漏诊率，大大限制了胶囊内镜在小肠疾病临床检查中的广泛应用。安翰科技人工智能技术的应用，基于 CNN 的算法将小肠胶囊内镜的读取时间缩短了 93.9%，为 5.9 分钟，有效辅助消化内科医生诊断小肠胶囊内镜图像。

安翰科技将人工智能技术应用于小肠病灶筛查，不仅实现了胶囊内镜应用的智能辅助，更有望极大程度地改变小肠疾病的诊断模式，开启小肠疾病诊断新纪元，具有重大的临床和社会价值。未来也将尝试验证该算法在其他类型胶囊内镜检查中的应用，为临床医生与患者带来福音。
参考文献：
[1] Ding Z, Shi H, Zhang H, et al. Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model[J]. Gastroenterology. 2019 Oct;157(4):1044-1054.e5.
责任编辑：李宝薇
图片来源：文中所列参考文献
点击下方阅读原文，了解文献原文
↓↓↓