2020年1月，消化內鏡界的頂級期刊GIE【IF=7.229】刊出了華西醫院胡兵教授團隊和Wision A.I.關(guān)于食管鱗狀細胞癌（ESCC）的癌前病變AI檢測的預臨床驗證論文【1】。從該論文披露的信息，我們看到了Wision A.I.自主研發(fā)的計算機輔助診斷系統（CAD）在對癌前病變及早期食道鱗狀細胞癌（ESCC）輔助診斷時(shí)表現出來(lái)的高敏感性和高特異性。

       根據預臨床論文數據，CAD通過(guò)內窺鏡圖像和視頻數據集驗證，在預臨床上最終達到了98.04%的敏感性和95.03%的特異性，在未來(lái)將有著(zhù)巨大潛力去輔助內窺鏡醫師進(jìn)行ESCC癌前病變診斷。

       這次預臨床不僅是Wision A.I.算法對食道癌前病變識別的性能驗證，更是食道癌領(lǐng)域首次完全符合臨床診療路徑的AI驗證。

       此前，對食管癌的CAD研究始終局限在白光內窺鏡下對進(jìn)展期的癌癥進(jìn)行識別或分類(lèi)。然而進(jìn)展期的食管癌即便是在普通白光內窺鏡下，其視覺(jué)特征已是非常明顯，醫生錯診、漏診的概率本就非常低，這也導致了該類(lèi)CAD系統的臨床應用價(jià)值非常有限。

       臨床上真正有挑戰的是如何發(fā)現食管癌的早期和癌前病變。根據日本的臨床指南，已經(jīng)證明食管癌癌前診斷只能依靠窄帶光放大內鏡，但由于特征過(guò)于復雜和細微，不熟練的醫生漏診率接近50%【2】，所以Wision A.I.的技術(shù)要解決在窄帶光內鏡下的癌前病變的AI輔助檢出。

       優(yōu)秀的預臨床研究：訓練樣本、驗證樣本相互獨立，隨機化樣本人群

       作為預臨床驗證，旨在驗證技術(shù)在每幀圖像上的敏感度和特異度，預臨床驗證的結果優(yōu)劣以及測試方法的嚴謹程度，預示了這項技術(shù)是否能夠在真正的臨床應用中取得良好的效果。

       而在學(xué)術(shù)界和工業(yè)界，一些機構會(huì )嘗試通過(guò)將訓練樣本和測試樣本的互不獨立，讓測試集僅有訓練集的1/10或1/100，并選擇特殊人群作為測試樣本，以此來(lái)人為湊出擬合試驗的結果，從而發(fā)布AI研究的預臨床驗證論文，完全忽視了深度學(xué)習過(guò)擬合的風(fēng)險。這種行為也從韓國學(xué)者做過(guò)的一項統計中得到了印證，統計顯示，從2018年1月至8月全網(wǎng)發(fā)表的516篇醫學(xué)影像人工智能研究論文中，訓練樣本與測試樣本完全獨立的僅有6%【3】！

       從Wision A.I.發(fā)布的預臨床驗證論文中可以看到，研究人員將訓練樣本和驗證樣本進(jìn)行了前瞻性獨立。訓練樣本為包含癌前病變、早期ESCC及良性病變的6473張窄帶成像（NBI）圖片，由科研合作單位中國成都的華西醫院內鏡中心（WCH）、印度密魯特的Jaswant Rai專(zhuān)科醫院等數家專(zhuān)業(yè)的醫療機構提供。

       Wision A.I.的驗證樣本分為了四個(gè)數據集，從圖像驗證、視頻驗證等多個(gè)維度對CAD系統進(jìn)行了驗證，驗證數據總共包括了175536張圖像和視頻幀，約是訓練數據集的27倍。從該公司的驗證結果可以看到，通過(guò)正確的訓練數據和訓練技巧，CAD系統以及它的功能在計算出食管癌前病變和ESCC的精確位置方面具有巨大潛力。

       在技術(shù)上，Wision A.I.采用了同一AI模型處理了普通窄帶光和放大窄帶光下的病灶識別。普通和放大的窄帶成像技術(shù)（NBI）對癌前病變和ESCC的診斷都有重要意義：普通窄帶成像技術(shù)下的褐色區是癌前病變和ESCC的主要特征，而放大窄帶成像技術(shù)下的主要特征是乳頭狀毛細血管袢（IPCLs）。Wision A.I.旨在開(kāi)發(fā)的CAD能夠在普通和放大窄帶光情況下實(shí)現對癌前病變和早期ESCC的實(shí)時(shí)自動(dòng)診斷，且無(wú)須切換。

       預臨床驗證的最終目的是將其落地成為臨床應用，然而由于一些預臨床研究未能規避深度學(xué)習過(guò)擬合的風(fēng)險，最終研究?jì)H能停留在預臨床數據上。這樣的事情屢見(jiàn)不鮮：

       2016年，谷歌宣布了他們在糖尿病性視網(wǎng)膜病變（DR）方面的AI診斷預臨床研究【4】。預臨床論文顯示，使用谷歌自主研發(fā)的深度學(xué)習系統能夠自動(dòng)檢測到DR，避免數億糖尿病患者患上不可逆失明的風(fēng)險。然而這項技術(shù)卻無(wú)法有效的進(jìn)入后續的臨床試驗【5】。

       無(wú)獨有偶，2017年，斯坦福Nature論文宣布新突破，深度學(xué)習皮膚癌診斷達專(zhuān)家水平，該系統能夠對患者進(jìn)行皮膚癌自動(dòng)診斷【6】。然而數年過(guò)去了，萬(wàn)眾期待的皮膚癌自動(dòng)診斷下文卻遲遲未能登場(chǎng)，無(wú)疾而終。

       優(yōu)秀的預臨床研究才能為后續臨床應用鋪好道路。Wision A.I.曾于2018年在頂級學(xué)術(shù)期刊《Nature》上發(fā)表了《對結腸鏡檢查中息肉檢測的深度學(xué)習算法的開(kāi)發(fā)和驗證》預臨床論文【7】，證明了一種機器學(xué)習算法可以高敏感性、高特異性地實(shí)時(shí)檢測臨床結腸鏡檢查中的息肉，目前該公司已經(jīng)完成了該系統的前瞻性隨機對照研究。

       在受訪(fǎng)中，Wision A.I.創(chuàng )始人劉敬家也表示，公司戰略中的重要一環(huán)便是針對產(chǎn)品性能開(kāi)展嚴謹的試驗，并讓這些研究發(fā)表于高分期刊上，成為全球公認的優(yōu)質(zhì)臨床證據。只有堅持嚴謹的循證醫學(xué)思路，產(chǎn)品才能夠切實(shí)提高臨床核心指標并被廣泛接受。

       食管鱗狀細胞癌（ESCC）癌前診斷的臨床價(jià)值與Wision的AI實(shí)力

       食管癌是全世界最常見(jiàn)的惡性腫瘤之一。食管鱗狀細胞癌（ESCC）作為食管癌的主要亞型，在中國占比食管癌總量的90%以上，其患者整體5年生存率小于20%。因此，癌前病變和ESCC的早期診斷對患者的良好預后至關(guān)重要。

       然而，ESCC的早期影像學(xué)特征又很難被識別，當經(jīng)驗不足的內鏡醫師使用窄帶成像技術(shù)時(shí)，檢測ESCC的敏感性?xún)H有53％。一項有關(guān)食管癌漏診的最新研究發(fā)現，6.4%的患者在診斷前3年內內鏡檢查結果呈陰性。由于缺乏訓練有素的內鏡醫師，特別是在農村或不發(fā)達地區，使其具備檢測癌前病變和ESCC的能力是一項重大挑戰。

       近年來(lái)，利用人工智能（AI）系統進(jìn)行計算機輔助診斷（CAD）取得了顯著(zhù)進(jìn)展。研究人員已經(jīng)使用CAD系統來(lái)改善各種胃腸道病變的診斷，如結直腸息肉、胃潰瘍、幽門(mén)螺桿菌感染和胃癌。而在利用CAD對ESCC的早期診斷的應用上也得到了廣泛關(guān)注。

       2018年，Horie等人開(kāi)發(fā)了一個(gè)基于放大窄帶成像技術(shù)圖像的深度學(xué)習模型來(lái)研究乳頭狀毛細血管袢（IPCLs）的自動(dòng)分類(lèi)，首次使用人工智能檢測食管癌，敏感度為98%，陽(yáng)性預測值為40%。但是在他的研究中，只對靜態(tài)圖像進(jìn)行了測試，并未論證普通和放大設置之間的差異，也無(wú)法沒(méi)有使用實(shí)時(shí)分析，研究結果主要集中在窄帶成像技術(shù)圖像的分類(lèi)而不是檢測。

       而Wision A.I.的ESCC癌前病變自動(dòng)診斷CAD能夠通過(guò)AI技術(shù)，復制優(yōu)秀內鏡醫生的診斷能力，使得有效早篩食道鱗癌的產(chǎn)能得到有效擴大，能夠改善早期食道惡性腫瘤的診斷現狀。

       此前，Wision AI已經(jīng)形成成熟的人工智能臨床輔助診斷產(chǎn)品，主要應用于結直腸癌早篩領(lǐng)域，已進(jìn)入臨床操作，并經(jīng)過(guò)包括哈佛醫學(xué)院在內的多家國內外頂尖醫院和臨床學(xué)術(shù)權威的聯(lián)合驗證，切實(shí)提高了消化道早癌篩查的核心臨床指標——早癌/癌前病變檢出率。

       墻內開(kāi)花，墻外香。Wision AI的臨床試驗數據和結論也得到國際權威機構的高度重視和認可，并被多家國際頂尖臨床刊物發(fā)表，獲得世界消化大會(huì )WCOG美國消化大會(huì )ACG和歐洲消化周UEG的多個(gè)獎項，得到歐美日消化道早癌篩查最高學(xué)術(shù)權威和監管機構的高度重視，被美國消化協(xié)會(huì )主席評價(jià)為“revolutionary innovation”、被FDA評價(jià)為“game changer”、 被《GUT》《GIE》等頂尖學(xué)術(shù)期刊評選為最佳作者及論文，且受到了包括日本“內鏡之神”工藤進(jìn)英在內的諸位國際內鏡界意見(jiàn)領(lǐng)袖一致推崇。值得期待，Wision A.I.將成為全球消化內鏡AI領(lǐng)域的標桿企業(yè)。

       參考資料：

       【1】Guo, LinJie et al. Real-time automated diagnosis of precancerous lesions and early esophageal squamous cell carcinoma using a deep learning model (with videos) Gastrointestinal Endoscopy, Volume 91, Issue 1, 41 - 51

       【2】Ishihara R, Takeuchi Y, Chatani R, et al. Prospective evaluation of narrow-band imaging endoscopy for screening of esophageal squamous mucosal high-grade neoplasia in experienced and less experienced endoscopists. Dis Esophagus 2010;23:480-6.

       【3】Kim DW, Jang HY, Kim KW, Shin Y, Park SH. Design Characteristics of Studies Reporting the Performance of Artificial Intelligence Algorithms for Diagnostic Analysis of Medical Images: Results from Recently Published Papers. Korean J Radiol. 2019 Mar;20(3):405-410.

       【4】Gulshan, V. et al. Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs. JAMA 316, 2402–2410 (2016).

       【5】https://www.wsj.com/articles/googles-effort-to-prevent-blindness-hits-roadblock-11548504004

       【6】Esteva, A. et al. Dermatologist-level classification of skin cancer with deep neural networks. Nature 542, 115–118 (2017).

       【7】Wang P, Xiao X, Glissen Brown JR, et al. Development and validation of a deeplearning

       algorithm for the detection of polyps during colonoscopy. Nat Biomed Eng 2018;2:741–8.

       點(diǎn)擊下圖進(jìn)行CPhI & P-MEC China 2020觀(guān)眾預登記抽獎，獎品多多！