胃癌是全球第五大常见癌症，也是癌症死亡的重要原因。胃肠上皮化生（GIM）作为胃癌前兆病变，准确评估其范围与严重程度，对于实施早期诊断及预防至关重要。传统依赖病理活检确诊虽有效，但费用高昂且产生大量医疗废弃物。基于窄带成像（NBI）的内镜视觉分级体系——胃肠上皮化生内镜分级（EGGIM），已被证实与组织学病理相符，为胃癌风险分层提供了一种安全、低成本替代方案，但其评价高度依赖内镜医生经验，普及受限。 本文发表于权威消化内镜期刊Endoscopy，由葡萄牙和法国多家研究机构合作，采用人工智能技术，开发并验证了一种基于深度学习的自动EGGIM评分系统，旨在实现内镜图像的快速、准确和客观分析，辅助手术医生进行胃癌预警和管理。 研究背景 胃癌多呈多步骤、多因素演变，且早期诊断难度大，整体预后差。GIM是胃粘膜向肠型化生转变的关键前期病变，临床上通过内镜下影像观察并结合活检验证，是胃癌的有效风险预测手段。 目前，国际指南推荐采用EGGIM评分对胃内五个特定解剖部位（包括胃小弯、大弯、贲门处等）GIM的程度进行分级，EGGIM≥5则提示高风险患者需定期随访。然而，EGGIM评估需要内镜医师具备丰富经

Tags： Endoscopy：人工智能助力胃肠镜精准分级胃肠上皮化生，加速胃癌风险分层新时代