AI 赋能胃癌早筛开辟生命新通道

转载来源：中国网健康中国

在医学领域，胃癌始终是威胁人类健康的一大顽疾。据权威数据显示，我国胃癌发病率居高不下，早期胃癌若能及时发现，5年生存率可超 90%，然而目前我国早期胃癌诊断率却低于10%。在这严峻的形势下，上海交通大学医学院附属瑞金医院的杨翠萍医生勇挑重担，致力于改变这一现状。她主导的《基于消化内镜下共聚焦图像的 AI辅助早期胃癌实时诊断系统研发》项目，正为胃癌早期诊断带来革命性的突破。

杨翠萍医生在消化系统疾病诊疗领域深耕多年，尤其在胃癌的内镜识别、基础与临床研究方面成果卓著。丰富的临床经验让她深刻认识到，提高早期胃癌诊断率是降低胃癌死亡率的关键。传统的胃癌诊断方式，如传统内镜检查结合活检，弊端明显。盲取活检随机性大，极易造成漏诊；若为避免漏诊增加活检采样数量，又会给患者带来潜在的出血、穿孔风险，还可能导致不完全切除发生率上升。因此，开发更精准、高效的早期胃癌诊断技术迫在眉睫。

为了攻克这一难题，杨翠萍医生联合上海交通大学机械与动力工程学院的刘成良教授团队以及精微视达医疗科技（苏州）有限公司，开启了一场充满挑战的科研征程。他们的目标是利用人工智能（AI）技术，结合共聚焦显微内镜，打造一套能够实时诊断早期胃癌的系统。

共聚焦显微内镜是项目的关键技术之一，它能提供病理级图像，实现体内实时显微成像，被誉为“光学活检”。但在实际应用中，共聚焦显微内镜图像分析面临诸多挑战，如受噪声、模糊、伪影等因素影响，图像质量参差不齐，分析需要大量计算资源和专业知识，且传统分析方法常需对标本染色或标记，影响细胞或组织活性。杨翠萍医生敏锐地意识到，AI技术或许是解决这些问题的关键。

在项目推进过程中，杨翠萍医生带领团队做了大量基础性、开创性的工作。首先，他们着手建立庞大的胃镜影像数据库。这可不是一件轻松的事，团队需要收集正常胃黏膜、浅表性胃炎、萎缩性胃炎、上皮内瘤变、胃黏膜肠上皮化生、HP感染、浅表—萎缩性胃炎以及胃癌等各类胃部病变的共聚焦图像。经过不懈努力，他们成功建立了包含 70例病例的数据库，涵盖各年龄段、不同性别人群，为后续 AI模型训练提供了充足的数据支持。

有了数据基础，下一步便是构建胃部病变诊断模型。针对共聚焦图像标注数据不足的问题，杨翠萍医生团队采用自监督预训练学习范式，让 AI模型从大量未标注数据中自动学习正常胃黏膜、各类胃炎、瘤变及胃癌等病变的特异性特征。同时，考虑到医学知识多以文本形式呈现，团队构建了医学文本编码模型，将医学知识和医生标注数据与图像特征进行对齐，使 AI模型能更好地理解和分析图像信息。最终，通过以“问询”方式解码图像特征，实现了内镜医师与 AI模型的交互式快速识别病变，大大提高了早期胃癌的诊断效率和准确性。

除了诊断模型，杨翠萍医生还主导构建了胃癌监测预警大数据平台。该平台运用 Springcloud微服务架构，实现设备采集端多节点数据采集和上传、医院实时诊断、平台综合分析和预警的一体化。通过对大规模数据的深度分析，平台能够对胃癌风险进行精准评估，为医生提供有价值的诊断参考，帮助患者及时发现潜在风险，实现早诊早治。

在科研道路上，杨翠萍医生遇到了无数困难和挑战。技术难题、数据处理压力、跨学科协作的磨合……但她始终保持坚定的信念和顽强的毅力。她经常与团队成员一起加班加点，反复研究和试验，不断优化系统性能。在跨学科协作中，她积极沟通协调，促进医学、工学等不同领域专家紧密合作，充分发挥各自优势，攻克了一个又一个难关。

目前，项目已取得阶段性重要成果。经过初步临床验证，AI辅助早期胃癌实时诊断系统在定位可疑病变方面表现出色，有效降低了漏诊率。这一成果让人们看到了早期胃癌诊断的新希望，也为后续研究和临床应用奠定了坚实基础。

杨翠萍医生表示，她将继续带领团队深入研究，不断优化系统功能，提高诊断的准确性和稳定性。同时，她希望能够加快成果转化，让这一创新技术尽快推广应用到更多医疗机构，尤其是基层医院，让更多患者受益。

杨翠萍医生的努力和贡献，不仅体现了她作为一名医者的仁心和担当，更展示了科研工作者追求真理、勇攀高峰的精神风貌。在她的带领下，团队正一步步向着攻克胃癌早期诊断难题的目标迈进，为无数患者点亮生命的希望之光。相信在不久的将来，这项科研成果将在临床实践中大放异彩，为胃癌防治事业带来新的突破。（上海交通大学医学院附属瑞金医院 李冰）