我是一名醫生，那麼今天想要跟大家講的一個講題是關於人工智慧在我們消化領域中的應用。
在日常生活中，當我們碰到了一個人的時候，看到是這個人的高矮胖瘦，看到是他的五官長相。但是我作為一名醫生，當我在看到一個患者朋友的時候，我通常希望看到的是右邊這樣的一個情景。
我非常希望能看一看我們這個患者朋友的消化道，看一看裡面是不是健康，是不是有一些細微的病灶，可以讓我幫他進行修復。
所以，看看患者的消化道就一直是我們消化內科醫生和消化內鏡醫生的夢想。
可是現在有一個問題：它並不長在我們的體表，那我們醫生應該怎麼辦呢？
在1895年倫琴發現X線的時候，就出現了鋇餐這樣一個技術——將不透光的鋇劑和X線相結合，進行了間接對我們消化道的觀察，可以看到有這種巨大的隆起性的病變和凹陷性的病變，比如巨塊型的胃癌，比如說深大的潰瘍。
可是這樣的一個間接的觀察雖然已經是一個重大的突破，但是這樣並不足以滿足我們對於看一看消化道這樣的一個需求，於是我們就開發了消化內鏡這樣的一個技術。
那麼從1868年出現的硬質管式內鏡，大家可以看到它像一柄劍一樣從患者的口腔直接插入到食管和消化道裡面，雖然它讓人很痛苦，但是至少實現了對於我們消化道內側面黏膜層的直接的觀察。
從1868年的硬質管式內鏡，到1932年的半曲式內鏡，到可活檢內鏡，再到光導纖維內鏡，特別是在1983年的時候出現的電子內鏡以及現在的高清內鏡，都讓我們消化內科醫生、消化內鏡醫生可以直接的看到我們患者朋友的消化道的管腔面，也就是我們的黏膜層，我們就可以看到它表面的一些微小的病灶。
但是這還不足夠，那麼對於管腔黏膜層以下管壁的病變以及消化道管腔以外的病變，我們能否看到？
這個時候，在1980年，就出現了一種將超聲技術和內鏡技術整合在一起的新技術，叫超聲內鏡技術。它可以在內窺鏡的觀察過程中整合了超聲技術，對消化道管壁黏膜層以下的其它層次的病變進行觀察，可以對我們毗鄰消化道周圍的一些臟器（如淋巴結）進行觀察。
那麼超聲內鏡幫助我們實現了從黏膜表層到黏膜深層、黏膜層次以下和管腔以外，由內而外的視野的進一步打開。
這樣就夠了嗎？我們有了內，有了外，我們還需要什麼嗎？我們還需要放大我們常規的消化內鏡，實際上對我們消化道黏膜的觀察是放大兩倍的。
但是對於一些早期的病變，我們知道一個癌不是一夜之間就能長出來的，它可能會從最開始突變的一到兩個細胞，最後長成一個巨塊型的腫瘤。那麼在這樣一個漫長的過程中，實際上我們越早能夠發現這樣的一個早期的腫瘤性的病變，我們就可以用最微創的方式更好地服務我們的患者。
怎麼樣我們才能去發現這種早期的病變呢？就需要我們的放大內鏡技術可以在白光內鏡兩倍的放大倍數基礎上變成兩百倍。
在這個基礎之上的另外一個放大技術——共聚焦內鏡技術，它可以放大一千倍，在一千倍的情況下，基本上可以實現實時病理，可以看到我們的細胞結構。
既然我們能診斷，就能治療。在這個基礎上能夠很好的去診斷這種早期腫瘤性的病變，我們就可以通過一個胃鏡，不需要我們再去開腹，不需要我們去做腹腔鏡，在內鏡下就可以對黏膜層的這些早期的腫瘤性病變進行內鏡下的治療。
我們在身體表面再不會有這樣的一些創口，那麼我們切下來的標本也會進行非常完整和規範化的處理。
這樣的一個從鋇餐到消化內鏡，到超聲內鏡、窄帶放大內鏡、共聚焦內鏡以及內鏡下治療接近100多年的發展，我們實現了從間接到直接、從腔內到腔外、從宏觀到微觀、從診斷到治療一系列的變化。
我站在今天的這個講台上，很自豪地去回顧這過去100多年的時間，我們的消化內科的醫生和我們的工程師們針對所謂「我們看一看消化道」這一個夢想所做出來的這一些成就。
我就在問自己，我們現在是不是在一個完美的世界了，我們是不是還能在哪一些方面再做一些改進來更好的去服務我們的患者朋友呢？
那我們再來看一看我們的消化道這樣的一個管腔，看一看食管長度0.4米，胃長度約0.3米，中間那一部分十二指腸、空腸和迴腸構成的小腸的長度大概在4到6米左右，結直腸1.5到2米。
對於食管和胃，我們可以經由我們的口腔來進行上消化道內鏡的檢查，可以進行非常清晰的白光內鏡、超聲內鏡、放大內鏡以及共聚焦內鏡的觀察。
那麼針對結直腸，我們可以經肛來進行下消化道內鏡的觀察，可以很清晰的看到我們的黏膜面、黏膜層以下的病變以及我們腸道毗鄰臟器的一些改變。
但是大家看一看中間還有一部分很長且4到6米的小腸，它有一個特點，它兩邊不靠——既不靠口側，也不靠肛側，但是它又很長。
但是如果用我們常規的這種插入式的內鏡，第一個就像我們剛才講到的，因為它兩邊不靠，所以就會導致對於它的觀察時間會非常的長；而且會是這種侵入式的檢查，患者相對比較痛苦，患者的麻醉時間相對也會比較長。
那麼這樣的一個情況下，有沒有什麼更好的方法能夠幫助我們更快、更好，讓我們患者更加沒有痛苦的進行小腸相關的一些檢查呢？這就是膠囊內鏡。
那麼膠囊內鏡很好地幫我們實現了從有限到無限的這樣的一個突破，不再需要插入，患者直接吞下去一個小小的一個厘米長的膠囊，它就可以實時的、定時的進行一些圖片的拍攝，甚至在我們的胃裡面還可以進行磁控膠囊的檢測，可以遙控我們的膠囊內鏡所要去到的方向。
對於我們腸道的小腸膠囊內鏡，我想簡單的跟大家介紹一下它的特點。
第一個，它主要採取的是一個自動拍攝的方式，我們會首先把它激發起來，激發起來以後，它就按照每秒0到2幀左右的頻率來進行自動的拍攝，平均每秒鐘拍0.8幀圖像。
第二個，對於小腸膠囊內鏡來說，從食管到胃、到小腸，再到結直腸，它是一個被動傳輸的過程。就是說我們的患者朋友吃下去這樣的一個膠囊之後呢，他可以去干自己的事情，可以去活動。
然後膠囊內鏡將以每秒0.8幀這樣的一個頻率自動地拍攝下來並傳輸到我們的一個終端，這樣一個被動傳輸的過程通常要大於8個小時。那麼我們來算一下，我們每一個使用小腸膠囊的患者朋友都會被自動的去拍攝2萬到5萬張的圖片。
大家可以想一下，對於每一例小腸膠囊的這樣的一個閱讀，我們的醫生要讀2萬到5萬張，那麼我們按照他每秒鐘讀4到10張這樣的一個速度，他也需要在不眨眼睛、不被打岔的情況下要讀90分鐘，這還是非常有經驗的、高年資的、對小腸疾病診斷具有非常豐富經驗的臨床醫生，他一天大概就只能讀4到5個患者。
那麼一方面呢，我們醫生的工作強度非常的大；換一個角度來說，對於我們醫生，因為他花的時間非常的長，那麼有可能他能夠服務的患者的數量也就會下降。
有沒有一個技術可以幫助我們更好、更快的去把2萬到5萬張圖片中間真正出現病灶的一些圖片挑出來，讓我們醫生能夠更加專注的去把這樣的一部分高危患者給篩選出來。
我們在臨床上出現問題的地方，相反也是我們發展的地方，是我們應該勇敢挺身而出站在那裡的地方，因為在這個地方的工作是有可能取得突破性進展的。
所以我們就做了這樣的一個研究，我們一共入組了1950例的患者，一共是15萬張的圖片。對於小腸疾病我們把它分成了十個亞類的疾病，包括潰瘍、糜爛、出血、腫瘤性的病變、隆起性的病變和血管畸形等，每一個亞類的疾病有超過1000張的內鏡的學習過程。
我們整個建立了一個CNN網絡（卷積神經網絡）即人工智慧學習的一個訓練集，在這樣的一個訓練集中間，我們嘗試對小腸疾病中常見的這十大類疾病進行一個異常圖片的識別，我們現在在最初步的研究中，並不要求它能夠明確地告訴我這張圖片是什麼疾病。
但是我需要完成的一件事情，就是我們的人工智慧網絡可以在這2萬到5萬張圖片中間，去把真正可能有異常的這種圖片挑出來。那麼我們的目標非常明確，就是儘可能多的去挑出這種異常的圖片，而不漏診。
因此在這樣的一個人工智慧網絡學習的過程中，我要保證它的高敏感性。
保證高敏感性，我們就必然要犧牲掉一部分特異性，所以在這樣的研究過程中，我們設置了一個3%的誤識率。
是什麼意思呢？
就是說我們從2萬到5萬張圖片中間最後挑出來假如是500張圖片，那麼這500張異常圖片中間有3%，大概15張左右的圖片會是正常的圖片，就是我們允許人工智慧網絡把正常圖片當作異常圖片挑出來，但是很少，只有15張。
但是在這樣的一個情況下，我們儘可能多的保證了它的敏感性，就是把儘可能多的異常圖片都挑出來。那麼這樣的一個500張圖片挑出來之後，就會成為我們內鏡醫生重點關注的對象，可以幫助我們很好地進行病理診斷的輔助。
當然我們把CNN的網絡系統最後應用到了5000例的患者，也是接近一億張圖片，進行了一個回顧性的驗證。
我們的文章和研究結果發表在消化領域第一的雜誌——Gastroenterology（胃腸病學）。
可以看到，我們一共入組了1億1千萬張的小腸膠囊內鏡的圖片，然後一共是77家中心6970例的患者。我們從2016年一直到2018年一共三年的時間完成了這樣的一個研究的項目。
最終的結果可以看到，首先我們提高了圖片的篩選效率，我們從每一例患者平均22000張的圖片中，篩選效率是篩選出578張的圖片，閱片時間從常規的人工閱片96分鐘下降到了5.6分鐘，敏感性從76%上升到了99%。這個呢，就是我們這樣的一個人工智慧在小腸疾病診斷中的輔助應用。
我相信，對於一個疾病的診斷，仍然最後還是要靠醫生做權威的診斷。但是我們這樣的一些
人工智慧的輔助方法可以更好地幫助到我們的醫生，幫助醫生更快、更好、更準確以及更高水平的去發現病灶，服務我們的患者。
這個雜誌的Editor（編輯）對它的一個評價，認為它也是一個小腸疾病診斷的新紀元。
當然我覺得小腸膠囊內鏡還有很多未來可期的發展方向。但是在這樣的一個人工智慧和小腸膠囊內鏡結合的過程中，我們還是來看一看人工智慧的發展歷程。
人工智慧實際上是從1956年誕生，在2016年的深度學習網絡進一步的出現和深化了之後，進一步的去推廣了人工智慧在醫學領域的應用。
在2016年，谷歌第一次將人工智慧應用在醫療行業。
在此後，包括病理，包括磁共振、CT，還有各種各樣的領域裡面，人工智慧在醫療領域的發展都在突飛猛進的進行。
那麼不僅僅是我們學術界的發展在進行人工智慧，在我們國家的政策方面也在進一步的去推動我們醫療行業的發展。
從2016年開始，各種各樣的行業政策、行業的規範化在不斷的推動我們這樣的一個智能化醫療的發展。
人工智慧在醫學領域中的應用，主要包括對於醫學影像、輔助診斷、藥物研發、健康管理和疾病預測等方面。輔助診斷主要包括電子病例，還有導診機器人，還有一些虛擬的助理。
大家不要覺得這是一個很遠的事情，我覺得在我們的有生之年，5到10年以內，我們都可以看到這樣一些導診機器人和虛擬助理的出現。
除了這樣的一些人工智慧輔助應用，對於我們的醫學影像來說，也是人工智慧在醫學領域中應用相對成熟的這樣的一個亞專業，包括X線、CT、超聲波、磁共振以及我們今天拋磚引玉所講到的內鏡影像。
內鏡影像除了我剛才跟大家用我們自己的一個研究的例子講到的，對於小腸疾病的診斷應用以外，對於結直腸疾病、食管疾病、胃的疾病，還有肝膽胰系統的疾病，對於早期腫瘤性的病變、消化性的出血，還有其它的各種各樣消化科的疾病，實際上都有層出不窮的研究在進行。
除了按照部位來分呢，我自己體會的人工智慧在消化領域中的應用包括以下幾個方面：
第一個，可以完善消化內鏡的質量控制。我們是不是把所有的部位都觀察到了？是不是在我們所有拍攝的圖片中我們都發現了這種微小型的病灶？人工智慧可以成為我們很好的一個小幫手，不停地去提醒我們，去做到更加的全面、也更加的精細。
另外一個，可以在我們所拍攝的圖片中進行消化內鏡所拍攝圖片的輔助各種疾病的診斷。
除了內鏡圖片以外，還有消化系統的其它一些影像學，包括CT、磁共振，還有病理圖片的輔助的疾病診斷。
除了在診斷上人工智慧是有發展的空間以外，對於我們的內鏡治療，對於手術前的評估，實際上我們這樣的一個基於大數據的人工智慧也是有很大的一個幫助。
比如說，我們在胰膽管開口，我們可以通過術前的這樣的一個消化影像學，比如說磁共振，對它的影像學進行一個觀察，然後結合大數據，結合它的影像學的走向，最終來推斷出乳頭開口的方向。這樣的話，可以更好的去提高我們手術的治療效果，縮短手術時間，減少對於患者的損傷。
那麼除了以上四個方面以外，消化內鏡的人工智慧可以很好地幫助我們醫生進行成長，更好的去進行消化內鏡的培訓。
當然對於人工智慧在消化領域中間的應用，其實不止我們一家單位在做，也有很多的老師和很多的同道也在這樣一個領域進行不斷地研發，還有很多我們沒有列在上面的一些團隊的名稱。
我做了大概4到5年時間的人工智慧，這張圖我非常的熟悉。因為呢，它是一個神經網絡，我每回看到這張圖的時候，就會想到我最好的朋友所最喜歡的一張圖，因為這是她的頭像。
這是一個浩瀚的星空，大家看一下，實際上跟我們剛才的神經網絡非常的相像。而當我們在做人工智慧的時候，實際上就在仰望星空，我們的星空是浩渺的，歷史也是浩渺的，我們這樣一群人是非常有幸的。
我們在科技高速發展的今天，在腸道生物學高度發展這樣的一個今天，確實有很多很多的可能性。
所以我說，「Yes，this is the perfect world。」我們說這個世界非常的完美，不是因為它已經到了最好，而是因為它有無限的可能性。在科技高速發展的過程中，我想我們可以為這個世界、為這個歷史以及為我們的患者朋友們做到的更多。
最後我想感謝我的單位——華中科技大學同濟醫學院附屬協和醫院消化內科。
也感謝我自己的團隊！
我覺得我們大家一起努力，一定能創造更好的明天。謝謝大家！
作者：藺蓉 轉載自:熱心腸研究院，腸·道。
原標題：《膠囊內鏡+人工智慧，中國人被贊開創新紀元！》