背景：癌浸润深度是影响早期鳞状细胞癌（SCC）患者治疗方案选择的关键因素。然而，目前关于浸润深度的诊断是主观的，并且易受到观察者差异的影响。

方法：开发了人工智能（AI）系统，用于评估早期食管鳞状细胞癌。收集本院-12月至-12月期间早期食管鳞状细胞癌患者的内镜图像。

结果：排除质量差的图像后，选择来自例患者的幅非ME图像和幅ME图像作为验证组，从例经病理证实的早期食管癌病例中选取幅非ME图像和幅ME图像作为训练组。AI显示了敏感性为90.1%，特异性为95.8%，阳性预测值为99.2%，阴性预测值为63.9%，区分黏膜和粘膜下微浸润癌（SM1）和黏膜下浸润癌（SM2/3）的准确性为91%。16名有经验的内镜医生使用相同的经病理诊断早期癌病例作为验证组，敏感性为89.8%，特异性为88.3%，阳性预测值为97.9%，阴性预测值为65.5%，准确性为89.6%。

结论：AI系统在诊断早期食管鳞状细胞癌患者的浸润深度方面显示出良好的性能，与有经验的内镜医生的诊断价值相当。

图1A、食管下段鳞状细胞癌（病理诊断，黏膜肌层）。B、AI系统诊断：EP-SM1，正确。绿色矩形框表示作者标记的癌症范围，黄色矩形框表示AI系统诊断（0.93，概率；白色，白光成像；sm1，EP-SM1癌；非放大成像）。

图2A、食管中段鳞状细胞癌（病理诊断，黏膜下深部浸润SM2/3）。AI系统诊断，SM2/3（正确）。绿色矩形框表示作者标记的癌范围；黄色矩形框表示AI系统诊断（0.91，概率；NBI，窄带成像；sm2，SM2/3癌；放大成像）。

表1AI系统和内镜专家诊断上皮黏膜下癌的准确性

诊断所有图像所需的时间为29秒。AI系统诊断EP-SM1癌症的准确性如表2所示。最终诊断的准确率为91.0%，非ME诊断的准确率为92.9%，诊断的准确率为89.7%。

表2AI系统诊断黏膜癌的准确性

进一步开发了AI系统，通过改变训练算法来区分M型和SM型癌症。使用了相同的验证图，诊断所有图像所需的时间是29秒。本表显示了诊断方法的准确性。最终诊断、非ME诊断和ME诊断的准确性分别为89.7%、90.3%和92.3%。

表3AI系统与内镜专家癌浸润深度诊断

表4癌的特点和最终诊断的准确性

AI系统和经验丰富的内镜医师在形态学方面的准确率是相似的（隆起、平坦或凹陷）。

讨论

AI系统在诊断早期食管鳞状细胞浸润深度方面显示了良好的表现，其敏感性、特异性和准确性分别为90.1%、95.8%和91.0%。与有长期经验的内镜医师所获得的诊断价值相当。

本研究中，最初开发了AI系统来区分EP-SM1和SM2/3癌，因为这两类癌的治疗策略不同。此外，诊断食管鳞状细胞癌浸润深度的非ME和ME诊断标准被设计用于区分EP-SM1和SM2/3癌。然而，也通过改变训练算法来区分M型和SM型癌。通过提供许多内镜训练图像和相应的组织学结果，开发各种AI系统是可能的。这两个系统在诊断癌浸润深度方面表现出良好的性能，在诊断EP-SM1和M癌方面的敏感性和特异性与以前的报告相似。然而，以往涉及癌症浸润深度的诊断的研究有很高的偏倚风险，特别是在患者选择方面。因此，我们比较目前的研究和这些以前的报告的诊断准确性可能主要是由于病人的选择。因此，我们比较了AI系统与有经验的内镜医生使用相同的验证数据的诊断准确性。证明了AI系统和经验丰富的内镜医生的准确性。

研究有一定的局限性。主要是回顾性研究、使用的是静态图像、不能实时诊断癌浸润深度，质量差的图像也可能会影响系统的准确性。因此需要大量的高质量图像来提高诊断的准确性。

总之，这种新的AI系统在使用静态图像确定早期食管癌浸润深度方面显示了良好的诊断性能。(10./j.gie..04.)

（仅供学习之用，如有侵权，请联系删除）