日本的炎症性肠病（IBD）发病率显著上升，这是一种以胃肠道慢性炎症为特征的顽固性疾病。与IBD相关的慢性炎症通常会导致结直肠区域癌症的发展。

　　对于有可见或低度发育不良（细胞生长异常，可能不是恶性的）、内窥镜切除术、用于切除癌症病变的技术和结肠镜检查的患者。然而，对于肿瘤发生率高（恶性严重细胞生长）的患者来说，完全原结肠切除术，即完全切除结肠和直肠是标准治疗方法，这严重损害了他们的生活质量。

　　因此，在继续治疗之前，在诊断过程中确定肿瘤的严重程度和程度至关重要。不幸的是，结直肠区域存在炎症，使内窥镜师很难对IBD肿瘤（IBDN）的类型进行分类。这使得活检是唯一可行的选择，这与高风险相关，并经常导致诊断不准确，这突出表明需要更简单的高精度诊断技术。

　　为此，冈山大学医学院的一组研究人员，包括助理教授Hideaki Kinugasa、Shum佩博士、Sakiko Hiraoka教授和Yohara Yoshiro教授，进行了一项试点研究，以开发一个人工智能（AI）系统，准确地对IBDN病变进行分类。此外，作为这项研究的一部分，该研究于2022年5月29日首次发表在胃肠病学和肝病学上，他们将内窥镜师的诊断能力与新的人工智能系统进行了比较。

　　首先，该团队使用一种传统的神经网络（CNN），一种用于分析视觉图像的神经网络，称为高效网络-B3，来开发人工智能系统的原型。他们使用2003年至2021年期间从两家医院获得的IBD患者的99例IBDN病变的862张内窥镜图像来训练该系统，并使用深度学习框架对其进行验证。接下来，他们要求在胃肠内窥镜方面拥有超过8年经验的内窥镜师根据原肠切除术的需求分析图像并将病变分为两种类型，并将它们与人工智能系统的分类进行比较。

　　由于数据增强，人工智能系统从原始数据集中生成了大约600万张图像，然后用于分析患者和病变的临床病理特征。

　　根据这些分析，该团队发现，大多数患者患有溃疡性结肠炎——一种IBD，其中95%以上患有泛结肠炎和左侧结肠炎。此外，人工智能系统表现出基于图像的诊断能力，灵敏度为64.5%，特异性为89.5%，准确率为80.6%，基于病变的诊断能力为74.4%的灵敏度、85%的特异性和80.8%的准确率。有趣的是，人工智能系统的正确诊断率为79.0，而内窥镜师的正确诊断率为77.8。

　　这些发现意味着什么？助理教授说，事实证明，我们的人工智能系统原型在确定IBD肿瘤的恶性程度方面是成功的，并且足够有价值，可以在未来几年为临床实践做出贡献。Kinugasa回应。

　　该团队还强调，将这种基于人工智能的肿瘤病变自动诊断与现有的内窥镜诊断技术相结合，可以提供卓越的实时诊断结果。

　　在讨论该系统的其他优势和现实生活中的应用时，助理教授Kinugasa补充说：“使用这个人工智能系统可以确保内窥镜师不会误诊IBD肿瘤病变，患者获得及时治疗，并制定并应用于IBD的早期和晚期治疗策略。”

　　希望这个人工智能系统彻底改变了IBD相关肿瘤的诊断，并改善日本和世界其他地区IBD患者的生活！