影响因子33.883！安翰科技人工智能医疗应用登上国际顶刊封面文章！
近期，世界消化道领域顶尖医学期刊《胃肠病学》（Gastroenterology）官网披露，该期刊影响因子已从去年的19.233飙升至最新的33.883，代表该期刊在国际学术界的权威地位和影响力具有极高的认可度。
早在3年前，该期刊就以封面文章的形式隆重介绍了一项来自中国的人工智能医疗技术应用，首次向世界揭示了AI技术用于消化道疾病诊断的强大能力和无限潜能。
图：《胃肠病学》（Gastroenterology）2019年10月以封面文章刊发安翰科技人工智能辅助阅片系统的临床应用研究成果
2019年10月，《胃肠病学》（Gastroenterology）重磅刊发安翰科技人工智能辅助阅片系统的临床应用研究成果，这是全球首次将人工智能技术应用于胶囊内镜小肠检查，也是在世界医学界，中国人工智能技术在胶囊内镜小肠检查中应用的首次亮相，获得该杂志主编高度评价：开启了小肠疾病诊断的新纪元（New Era for Diagnosis of Small Bowel Disease）。
满足临床应用迫切需求
该研究题为Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model（《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》），由华中科技大学同济医学院附属协和医院侯晓华教授、蔺蓉教授团队和安翰科技的3位技术专家共同完成，安翰科技为研究提供了算法和基于深度卷积神经网络的AI模型以及ESView数据平台的技术支持。
小肠疾病检查一直是常规内镜和放射学检查的难点，胶囊内镜的出现彻底改变了这一现状。在临床应用中，由于小肠生理结构长、病灶种类多、每例小肠胶囊内镜检查拍摄的图片数量达到2万张，产生的视频长达8-10个小时，面对海量医学影像，医生如何准确快速完成阅片诊断是胶囊内镜临床使用的瓶颈问题。因此，迫切需要一种创新的工具和方法提高小肠胶囊内镜的临床检出率和效率。
77家医疗中心1.1亿张胶囊图像
本研究使用卷积神经网络（CNN）训练了一个基于深度学习的AI模型，来区分胶囊内镜检查中的异常图像和正常图像，以协助分析评估小肠胶囊内镜图像。
截至本论文发布时，这是评估基于CNN辅助阅片多中心胶囊内镜小肠检查记录数据的最大研究。临床研究数据集来自77家医疗中心的6970例113,426,569张胶囊图像；在训练阶段，用1970例患者的158,235 张胶囊图像建立模型；在验证阶段，用5000例患者的113,268,334张胶囊图像验证模型。
经过大样本、多中心数据验证：经AI辅助后，每例小肠胶囊内镜检查所需要的平均阅片时间由96.6分钟大幅缩短为仅需5.9分钟，对病灶的诊断灵敏度由76.89%提升为99.9%。
高检出率：精准识别各类异常病变
基于CNN辅助阅片模型可以检测到大部分异常的SB图像，囊括了具有临床意义的显著异常病变和轻度异常病变。其中，显著异常病变包括炎症、溃疡、息肉、隆起性病变、出血、血管疾病、憩室、寄生虫等，轻度异常病变包括淋巴管扩张、淋巴滤泡增生等。
图:小肠异常的典型胶囊内镜图像包括原始内镜图像和CNN处理图像。A,炎症;B,息肉;C,溃疡;D,淋巴管扩张;E,淋巴滤泡增生;F,憩室;G,寄生虫;H,隆起性病变;I,出血;J,血管疾病。
人工智能辅助识别显著提高了小肠病灶的临床检出率。结果显示，基于CNN辅助阅片的总检出率较常规阅片提高了16.34% (70.91% vs. 54.57%)，其中，具有临床意义的显著异常病变总检出率提高5.57%，轻度异常病变总检出率提高10.77%。
图：常规阅片组(蓝色)与基于CNN辅助阅片组(黄色)对具有临床意义的显著异常病变或轻度异常病变检出率比较
高灵敏度：检出敏感度提升至99.9%
人工智能辅助识别大大提高了异常图片识别的灵敏度。
数据显示，在每个患者的分析中，消化内科医生在常规阅片诊断的敏感性为74.57%，在基于CNN辅助阅片诊断的敏感性为99.88%（P < 0.0001）。在每个病变的分析中，肠胃病专家在常规阅片诊断的敏感性为76.89%，在基于CNN辅助阅片诊断的敏感性为99.90%（P < 0.0001）。
当对具有临床意义的显著异常病变和轻度异常病变进行二次分析时，结果显示，常规阅片诊断具有临床意义的显著异常病变的敏感性为88.02%，而基于CNN辅助阅片诊断的敏感性为99.86%；常规阅片对轻度异常病变的敏感性为54.98%，基于CNN辅助阅片对轻度异常病变的敏感性为100%。
高时间效率：阅片时间缩短94%
使用常规阅片方法时，平均需阅读每个患者22,654幅图像，使用基于CNN辅助阅片方法时，平均每个患者经系统过滤后识别出578幅异常图像。
图：常规阅片(蓝色)和基于CNN辅助阅片组(黄色)读取图像的平均数量
此外，使用常规阅片的平均阅片时间为96.6 ±22.53分钟，而使用基于CNN辅助
阅片的平均阅片时间仅为5.9±2.23分钟（P<0.001）。
图：胶囊内镜小肠检查视频总时间(黑色)，常规阅片组(蓝色)和基于CNN辅助阅片组(黄色)胶囊内镜小肠检查图像的平均阅片时间，***P<0.0001。
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，还极大程度地改变了小肠疾病的诊断模式，具有重大的临床和社会价值。
参考文献：
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.
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
