陈亮辉，李 婷

食管癌是上消化道主要的恶性肿瘤之一。2018年食管癌发病率在全球恶性肿瘤中位居第七位，是所有癌症死亡的第六大原因[1]，多数患者就诊时已达到癌症中晚期[2]。早期食管癌及癌前病变在内镜下治疗可以达到90%以上的治愈率[3]，改善患者的预后。然而，内镜医师的临床经验、专业水平以及病变大小等因素限制了早期食管癌内镜下的检出率[4-7]。人工智能(artificial intelligence，AI)与消化内镜成像技术结合后，可以对大量内镜图像进行学习、训练，分析内镜图像与疾病诊断之间的关联，从而达到模仿人类认知的水平，帮助医师完成快速、精准的诊断。Babu P等[8]的一项系统性评价表明，运用卷积神经网络算法(convolution neural networks，CNN)的人工智能辅助诊断食管癌的合并准确率为87.2%，敏感性为87.1%，特异性为87.3%。

本文综述近几年人工智能在评估食管癌前病变和食管肿瘤方面的研究文献，重点探讨了AI在评估不同类型内镜图像上的应用，以及他们的优缺点，以期为医生和计算机之间的协作以及这项技术在临床实践中的应用提供参考。

1 AI在早期食管癌内镜检查中的应用

1.1 辅助识别巴雷特食管异型增生和早期食管腺癌

巴雷特食管(Barrett’s esophagus，BE)是食管腺癌最重要的危险因素之一，80%的食管腺癌发生在BE基础上[9]，所以BE的筛查和诊断非常重要。BE黏膜的癌变是一个逐步发展的过程，然而对于普通内镜医师来说，评估所有发展过程的病变，即区分无异型增生BE、低级别/高级别异型增生BE和早期腺癌，可能非常困难[10]。……