近年来，随着人工智能(ArtificialIntelligence，AI)相关技术的快速发展和各国出台一系列政策支持，极大地促进了医疗器械向数字化、智能化的创新和发展。2017年，我国发布《“十三五”卫生与健康科技创新专项规划》与《新一代人工智能发展规划》，为医学人工智能技术的推动指明了具体方向。
医用内窥镜自问世以来，逐渐在疾病诊断和治疗中发挥着至关重要的作用，如：使用消化内镜是目前提高消化道肿瘤早期检出率的最佳方法，膀胱镜是泌尿系疾病诊断和微创治疗的重要工具，腹腔镜更已成为腹腔微创外科手术导航的基础用具。然而，内窥镜的使用往往依赖于医生技术水平，因此在诊断和检查时漏诊误诊的情况时有发生。
人工智能与医用内窥镜的结合，不仅有助于提高医生的诊疗准确率和效率，而且能帮助基层医务人员提升诊疗水平，解决高水平医疗资源不足的问题。本报告对目前人工智能在医用内窥镜临床中的主要应用进行阐述，探讨其在临床应用中面临的问题与挑战，为AI医用内窥镜在临床应用中的发展提供思路。
n人工智能在医用内窥镜领域中的应用
1 辅助医生诊断，缓解漏诊误诊问题
近年来AI技术的发展为医疗器械行业的智能化提供了技术支持，特别是在医学影像领域(包括放射影像、超声、内窥镜影像等)。目前，医疗影像AI技术通过学习经验丰富医生标注的临床图像数据进行学习，完成医学图像检测、分类、分割、配准等任务，以此辅助医生进行诊断治疗。
Matava等使用三个卷积神经网络(ConvolutionalNeuralNetworks，CNN)：ResNet、Inception和MobileNet实时识别和分类正常的声带和气道解剖结构，指导麻醉医生使用选择合适的气道插管方案。
内窥镜在检查过程中为了解决视野不足的问题，必须不断移动内窥镜镜头对不同目标部位进行扫描，此时目标图像处在活动中，医生在诊断时常常会出现漏诊的情况。利用深度学习算法对视野活动图像中的目标进行动态识别并标示，可以弥补人类视觉捕捉不全的缺点，及时发现异常情况。
检查是早期发现消化系统肿瘤的有效手段，能提高恶性肿瘤患者的生存率。Wu等对AI结合上消化道内镜检查进行临床试验，结果表明AI技术通过自动提示医生检查盲区和可疑病变，能显著降低医生胃肿瘤漏检率。
Ishioka等利用CNN模型对胃癌内镜视频图像进行识别，其对识别胃癌的检测率达92.2%，对大于6mm肿瘤检测率高达98.6%；我国腾讯觅影研发的AI食管癌辅助筛查系统，辅助医生判断食管病变位置，分析和识别食管癌的准确率达90%。
Byrne等构建深度卷积神经网络(DeepConvolutionalNeuralNetworks，DCNN)模型用于实时评估125个大肠息肉内镜视频图像，在可被人工智能算法识别的106个小型息肉中，鉴别腺瘤的敏感度为98%，特异度为83%，阴性预测值为97%，阳性预测值为90%。AI辅助诊断系统对可疑病变进行识别和跟踪，可提醒操作医生对可疑病变图像进行重点关注，提高检出率和准确率。
2提高诊断效率，弥补资源供需缺口
我国医疗行业长期存在优质医生资源分配不均的问题。随着人们对早癌筛查认识的提高，内窥镜医学图像量快速增长，而各级医院内镜医生水平参差不齐，基层医院普遍缺乏高水平医生。但由于内窥镜技术的学习周期长，难以在短时间内对基层医师进行相关知识培训并使其掌握诊断技能，因此亟需帮助基层医生快速提高疾病诊断水平，改善医疗资源紧张的现状。
AI赋能的计算机辅助诊断(ComputerAidedDiagnosis，CAD)系统的出现，为帮助医师快速提高诊断水平和效率提供了有效的技术手段。
有学者建立DCNN模型识别窄带光成像内镜图像中的肿瘤或增生性息肉，其灵敏度、特异度、阳性预测值和阴性预测值分别为96.3%、78.1%、89.6%和91.5%，且该诊断模型用时(0.45±0.07)s，比熟练内镜操作者(1.54±1.30)s和经验欠佳者(1.77±1.37)s用时明显减少。胶囊内镜(Capsuleendoscopy，CE)因其使用方便、舒适无创适合基层筛查使用，然而，胶囊内镜视频的判读工作通常需要长达10h，且这种工作模式漏诊率高，目前临床可接受程度较低。
如果利用人工智能辅助诊断技术对可疑片段进行标记，内镜医师在判读时可重点关注标记部分，这大大缩短用时，推动胃肠道疾病胶囊内镜的普及应用。Ribeiro等用CNN对CE图像进行识别分析，其检测和区分不同出血性肠道血管病变的敏感度与特异性均达到90%以上，且其读取速度为145帧/秒，按照这一速率，其读取完整长度的CE视频仅需6min。
人工智能医用内窥镜技术的应用不仅能帮助基层医生改进结果、简化工作流程，还能提高基层医疗机构医疗水平，更好发挥基层医院的作用，让更多患者在基层医院就能得到有效诊治。对于高等水平医院，AI技术的实现除了能提高医生的工作效率，全身心投入高水准治疗与学术研究，还可释放更多优质医疗资源，解决医疗资源相对有限且分布不均的问题，更好落实分级诊疗制度。
3 改善导航系统，提升外科手术精度
医生在使用内窥镜对患者进行检查或治疗过程时，需要对到达部位进行精准的判断。即便是具有丰富经验的医生，在操作内窥镜进入树状结构等腔道时也会出现定位失误。
在内窥镜导航系统的引导下，医生可操作内窥镜按照术前规划路径或实时的方式到达目标区域，为实现精准医疗、提高手术安全性提供了重要手段，但目前仍存在一些不足，如虚拟导航虚拟成像与实时内窥镜图像存在明显差异，仍需在X射线监视下进行手术，存在一定的辐射损害风险；电磁导航系统需对体表进行精准定位配合，操作繁琐，成本高昂。
AI视觉技术的发展促进了内窥镜导航系统的新发展，它将术前CT、MRI等影像结果与实时内窥镜图像进行对比后判别内窥镜的实时位置，而后利用增强现实(AugmentedReality，AR)技术将处理后的位置信息与现实场景进行无缝结合，引导医生操作内窥镜到达目标处，提高工作效率和准确性。
Deguchi等提出基于特征结构提取的图像相似度测量选择方法，这种方法可以在没有外部位置传感器的情况下跟踪多达1600个连续的支气管内窥镜图像，其跟踪性能大大提高；Prisman等建立锥形束计算机断层扫描(ConebeamCT，CBCT)图像与内窥镜视频融合和配准的方法，用其开发了用于手术导航和引导的定制软件；Colleoni等提出一种基于U-Net结构的3D全卷积神经网络用于检测手术工具位置，帮助手术医生更准确地把握定位信息。
人工智能在我国医用内窥镜领域应用中存在的问题
1尚未健全标准评价体系
人工智能技术的发展日新月异，而全球人工智能标准规范的制定仍处于发展阶段。我国虽有大量的医疗数据资源，但人工智能在医疗健康领域应用的数据质量标准、在使用环境中的验证质量评估体系尚且空白。
数据之于模型相当于教材之于学生。人工智能辅助诊断系统需要大量、高质量的数据集来建立训练模型，目前在数据方面的使用存在一些欠缺：
①内镜AI数据采集质量易受仪器、存储方式等因素的影响，使用不同种类和质量的数据势必会影响人工智能模型的准确性和普适性，我国尚未就影像图像质量和规范性实现同质化。
②数据标注的质量是模型可靠与否的核心因素，目前业内主要依靠医生主观经验，标注质量参差不齐，亟需对内镜AI数据标注的方法和标准进行统一。
③目前可供研究使用的内窥镜数据集相对匮乏，虽然我国内窥镜数据资源较多，但缺乏相对应的诊断报告信息，没有形成业内广泛认可的数据集。与欧美等国家相比，我国尚未建立健全的健康医疗大数据资源标准体系。
除此之外，由于目前AI算法可解释性差、测试技术手段不先进等原因，监管部门无法对算法内部运行机制进行全面理解与监测，容易产生重大风险隐患。有研究对AI算法模型中的神经元进行替换，模型仍具有较高的准确度，如何建立健全的AI算法安全评价体系值得我们思考。
2 在临床应用中的伦理问题
随着深度学习和大数据技术的爆发式增长，人工智能的应用渗透于医疗卫生的各个领域，为患者带来高效优质的健康服务的同时也涌现出一系列伦理问题。世界卫生组织(WHO)于2021年6月28日首次发布《医疗卫生中人工智能的伦理治理》指南，对临床实践中部署人工智能提供了伦理指导。
人工智能在医疗行业的商业化应用涉及医学伦理、法律法规以及信息安全等多个领域的问题，如诊断结果的责任界定、患者隐私保护等都需要进一步明确。目前，深度学习的“技术黑箱”、“解释黑箱”特性导致机器输出决策的原理“透明度”较低，难以解释因果关系。“如何评判医生具有理解机器提供的解决方案并转化为患者实际情况的基础能力？”、“如何评估人工智能医疗对患者的风险与收益？”在使用AI技术时涉及这些价值观和规范的冲突是不可避免的，而目前尚且没有标准回答为规避和消解医学人工智能发展中可以预见的伦理风险和治理挑战。
3 医疗责权划定问题
由于医疗人工智能的研发应用涉及医学、计算机、伦理学、法学等不同学科的交叉，当出现临床纠纷、人类伦理或法律的冲突问题时，应如何进行责权的划分是我们需要思考的。例如使用AI技术对内镜图像进行识别时，其产生的误判行为是否归因于医生或开发人员、如何追溯伤害实现问责、谁来承担患者不良诊疗结局的责任和赔偿分配等问题，亟待合理的风险责任制度和赔偿问责体系来指导规范。
总而言之，人工智能技术在医用内窥镜的临床应用在降低漏诊率、提高诊断准确度、缓解医疗资源供需问题起到关键作用。但在实际运用过程中还存在算法透明度低、数据标准不规范、标准评价体系不完善、伦理与问责等方面的挑战。
而目前在应对挑战时没有太多的经验可以参考，需要我们改变思维，从临床实际需求出发，立足基础理论，分析应用中的问题。为了摸索出一套适合中国当前AI内窥镜临床应用的体系，需要科研机构、临床单位和医疗器械研发企业互相合作与配合，进行产学研转化。随着AI技术的不断发展与配套制度体系的不断完善，在未来AI医用内窥镜技术能更好地服务医疗。
参考资料：人工智能在医用内窥镜临床应用中的展望，孙志刚等，广东省药品监督管理局审评认证中心
END
原文始发于微信公众号（艾邦医用高分子）：AI在医用内窥镜临床应用中的展望