人工智能(AI)技术在医学领域的研究和应用主要集中在辅助诊断上,早期多聚焦于整合临床病例及医学专家系统的开发和应用。该系统利用特定领域多名专家共识编制相关计算机程序和流程,进行推理和判断,解决那些需要专家决定的复杂问题,减少因疑难病会AI诊、转诊所造成的医疗资源消耗。随着技术的跨越式发展,从单纯根据技术进步带来AI文本提取字段信息进行简单判断,到根据静态图片乃至动态录像高速辅助疾病诊断和预后判断;从机器学习到深度学习再到卷积式人工网络(CNN),推动了AI在医学领域应用的快速发展。
在消化领域,AI的应用主要表现为内镜检查效率和质量的提升、常见胃肠道疾病的诊断和预后判断、消化系统肿瘤的预测等。通过人工神经网络(ANN),AI在早期胃肠道疾病的诊断和预后判断中得到较广泛应用。例如,在胃肠道常见疾病的诊断、预后及疗效判断中,基于临床指标研发的模型在内镜图片上的验证,发现其诊断灵敏度、特异度和准确率非常高,为早期发现患者肠道组织炎症,系统评价“组织愈合”状态提供了有力武器。同时,AI也在消化道早期肿瘤筛查、鉴别诊断中起到了重要作用。随着内镜设备的不断更新和光学放大内镜(如FICE、色素染色内镜)、NBI等技术的发展,早期消化道肿瘤筛查取得了长足进步。
人工智能在医学领域的快速发展得益于计算机信息技术的革新及“大数据”时代的来临,AI计算能力的增加和医学图像、视频处理的突破性进展。具体而言,在放射影像领域,AI主要应用于肺部结节和肺癌筛查、乳腺癌筛查、前列腺癌影像诊断等,它能提高诊断的敏感度和特异度,并且缩小不同级别医疗机构及医生诊断水平之间的差异。AI技术,尤其是深度学习和卷积式神经网络,正在引领医学影像分析的新趋势,显著提升了医学诊断的精确度。
在消化道领域,AI技术的应用前景及重要性日益凸显。金希,作为消化内科副主任医师、硕士生导师,对AI在消化道疾病诊治中的应用有浓厚兴趣,并在该领域取得显著成就,主持国家自然科学基金3项,发表SCI论文近40篇,并参与获得多项科技进步奖。
随着AI技术的不断进步和应用扩展,未来有望在消化领域的疾病预防、诊断、治疗及预后评估方面实现更多的突破。AI辅助的医疗设备和服务不仅能够提高诊断的准确率和效率,也能够为医生提供决策支持,进而提升医疗服务的质量和患者的就医体验。随着更多的临床数据和医学影像被纳入AI算法的训练,这些系统将变得更加智能,最终成为医疗行业不可或缺的一部分。