Whole-Case Artificial Intelligence for Diagnostic Escalation in Endoscopically Suspected Borrmann Type IV Gastric Cancer
本研究提出了一种整合每位患者所有内镜图像的全病例人工智能模型，用于有效诊断 Borrmann IV 型胃癌，其表现达到或超过了专家内镜医师，并为减少漏诊提供了显著的临床净获益。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你是一名正试图破解谜团的侦探，但罪犯是一个伪装大师。在医学领域，有一种特定类型的胃癌被称为 Borrmann IV 型。与那些形成清晰、可触知的肿块的不同，这种癌症是一个“幽灵”。它静默地渗透进胃壁，使胃部看起来变得厚实、僵硬且布满褶皱。问题在于，健康的胃有时也会呈现出完全相同的外观，这可能是由于炎症引起的。这就像是在试图分辨一个真正的雪人，和一堆恰好看起来像雪人的湿重积雪之间的区别。
通常，医生会使用一对微型镊子（活检）来抓取胃黏膜样本，以观察是否存在癌症。但由于这种“幽灵”癌症隐藏在深层表面之下，镊子往往只能抓到无害的表层，从而给出错误的“一切正常”信号。这是一场危险的捉迷藏游戏。如果医生错过了征兆，患者可能会回家，直到几个月后再次返回时，癌症已经扩散到无法治愈的地步。多年来，科学家们一直试图构建计算机程序（人工智能）来帮助医生发现这些棘手的病例。然而，大多数程序在训练时就像是在通过看单张完美的快照来备考的学生。但真正的医学检查不是一张照片，而是一部包含数百帧、角度和运动瞬间的完整电影。大问题在于：计算机能否学会观看“整部电影”，并比人类专家更好地发现这个“幽生的幽灵”癌症？
这篇论文讲述了一支研究团队构建了一种新型 AI 侦探来回答这个问题的故事。他们的 AI 不仅仅看一张图片，而是一个“全病例”模型，它一次性吞下患者胃部检查中的每一张图像——总计数百张。它使用了一种被称为“注意力机制学习”的特殊技巧，这就像是给计算机一个放大镜，让它能自动聚焦于最可疑的褶皱和皱纹，同时忽略掉那些无聊的部分。研究人员随后将这个 AI 置于终极测试中：与三位现实世界的专家医生进行一场面对面的对决。
结果令人激动人心。在一组肉眼观察已有可疑迹象的患者中，该 AI 捕捉到了 97% 的确诊癌症病例。为了直观理解，AI 比三位人类专家达成共识的结果多发现了 5 例癌症病例，并且比任何一位单独工作的医生多发现了 8 到 24 例。该 AI 不仅仅是在猜测；它的精确度极高，在以 1.0 为完美的量表中得分为 0.965。更令人印象深刻的是，当该 AI 在来自另一家医院的不同患者群体上进行测试（来自新地点的“盲测”）时，它表现出了近乎完美的辨别能力，捕捉到了它看到的每一个癌症病例，尽管它也将一个良性病例标记为可疑。研究人员指出，由于这个外部群体规模较小，这些结果有力地证实了该 AI 的泛化能力，但他们并未声称其是无懈可击的。
然而，论文并未急于宣布全面胜利。研究人员承认，该 AI 并非完美。在少数罕见情况下，它会被看起来太像癌症的胃部炎症所迷惑；甚至在一个有趣的错误中，它被一张食管（食物管道）的图像分散了注意力，而不是胃部。论文建议，在该 AI 被用于真实医院之前，它还需要更多的训练来学会忽略非胃部的图像，并且需要在实时、前瞻性的研究中进行测试，以观察它是否真的能通过加速诊断来挽救生命。但核心信息是明确的：通过观看“整部电影”而非仅仅一个“单帧”，这个新型 AI 工具已经证明了它能够比最资深的专家更好地发现“幽灵”癌症，从而有可能捕捉到那些原本会溜走的病例。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。