小肠位于人体胃部和结直肠之间，是人体消化道中最长的一部分，约5—7米，也是最难检查完整的部位。在过去几十年里，小肠一直是内镜与放射学检查的难点，被视为消化道的“黑匣子”。胶囊内窥镜突破了以往小肠检查的盲区，但由于每例小肠胶囊内镜检查产生的图像视频时长可达8—10个小时，消化内科医生需要花费1—2小时来分析每例患者的海量数据，导致小肠疾病诊断的时间成本过高，同时高强度的人工阅片造成医生过度疲劳，会增加漏诊率。

人工智能新突破可高速准确识别小肠疾病！

  日前，记者获悉，华中科技大学同济医学院附属协和医院教授侯晓华、蔺蓉团队的研究成果《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》，以封面文章刊发于近期出版的美国胃肠病学会官方刊物《胃肠病学》上。

人工智能新突破可高速准确识别小肠疾病！

  研究收集了2016年7月至2018年7月期间，77个医学体检中心6970名患者的113,426,569张小肠胶囊内镜检查图像，利用我国自主开发的ESView远程阅片平台实现远程监测、读取、数据存储和共享，分别通过常规方法阅片与基于深度卷积神经网络模型辅助阅片来协助消化内科医生进行小肠胶囊内镜图片的阅读与分析评估。

  经大样本验证，与传统的阅片模式相比，基于深度卷积神经网络辅助阅片模型可将平均诊断时间由96.6分钟/例下降至5.9分钟/例，可将平均人工读片数量由22654张/例下降至578张/例，并将基于病灶分析的异常识别的灵敏度由76.89%提高至99.90%，将基于患者分析的异常识别的灵敏度由74.57%提高至99.88%。结论认为：基于深度卷积神经网络辅助阅片模型比消化内科医生常规分析具有更高的灵敏度和更短的阅片时间

本文由广州佳誉医疗器械有限公司/佛山浩扬医疗器械有限公司联合编辑