2022年11月11日-13日，由中华医学会、中华医学会消化内镜学分会主办的2022年中国消化内镜学年会在线上盛大召开。本届年会继续秉承以往精彩学术演讲和视频操作演示相结合的特点，诚邀国内外知名学者和业界翘楚，就消化内镜领域最新诊疗进展做精彩的专题报告和高水平、规范化的操作演示，多层次进行消化内镜领域各种新理念、新技术的输出与推广。同时，大会还针对不同方向、不同层级的消化内外科医师，进行规范化培训以及学术前沿的展示，并进行最新的内镜相关指南发布、病例讨论、优秀论文演讲汇报等多项学术交流活动，大会共征集稿件1067篇，评选出大会发言141篇，电子壁报266篇，云集了中国消化内镜各领域大咖，累计开展讲座268场，精彩手术录播73台，向与会同道们提供了一份精美的学术饕餮盛宴。

来自武汉大学人民医院于红刚教授团队、宁波大学医学院附属医院叶国良教授以及陆军军医大学第一附属医院（西南医院）陈磊教授携楚精灵最新研究成果亮相本次盛会。

武汉大学人民医院于红刚教授带来《人工智能在消化内镜中的应用》专题演讲，于红刚教授依据多个研究分别介绍内镜精灵胃镜26部位盲区监测和病灶识别，肠镜退镜速度，息肉腺瘤识别，食管癌识别功能，肠道清洁度功能在消化内镜中的意义和作用，通过内镜精灵质控和病灶识别功能，帮助内镜医师发现更多的病灶，减少病灶遗漏；利用内镜精灵辅助可大幅度降低了医保费用，应用内镜精灵白光早癌功能进行内镜筛查相比传统筛查，预计每年可节约1.75亿美元。同时于教授还分享了胆胰大师和内镜精灵智能诊断报告功能，最后介绍了内镜精灵最新的科研文献、注册、专利、获奖情况以及销售成果，影响因子居世界第一，引领研究方向！

宁波大学医学院附属医院叶国良教授带来《新一代智能化消化内镜质控管理平台》专题演讲，叶国良教授分享自今年二月份消化内镜质控管理平台（质控精灵）在宁波大学医学院附属医院成功部署上线以来，通过消化内镜质控管理平台总量统计、胃肠镜质量分析、医生绩效、可视化图表分析、实时监测等功能模块智能记录、精准分析的各项质控数据对科室推动按规范要求执行质控指标起到良好的作用，可以全面评估和质控科室及每位医生的胃肠镜检查质量、规范医生的操作，提高内镜的检查质量。最后叶教授总结，质控精灵是一款非常实用且有意义的工具，它的很多指标都是医院前期人工质控没有想到或做到的，通过质控管理平台进行内镜质控也将会逐渐成为一种趋势。

陆军军医大学第一附属医院（西南医院）陈磊教授带来《人工智能在超声内镜检查中的应用》专题演讲，超声内镜是胰胆疾病诊断和治疗有力的工具，而超声内镜检查相对复杂，存在诸多临床痛点。利用人工智能技术降低EUS图像识别难度效果可期，结合人工智能技术和标准测站扫描，陈教授介绍胆胰大师可以辅助超声内镜操作胆胰扫查站位监测、胆胰解剖结构监测、胆胰扫查导航提示、胆胰管管径自动测量等功能。扫查覆盖8个站位，每个站位对解剖结构进行监测，共计27个结构，主要辅助内镜医生超声内镜扫查过程中导航和定位的作用。最后陈教授强调胆胰大师能提高超声内镜医生的培训质量，大大缩短超声内镜医生的培训周期，对于复杂难学的超声内镜操作学习，可以起到质的提高。

武汉大学人民医院研究生吴志丰带来《开发并验证基于深度学习的结直肠无蒂锯齿状病变组织学诊断系统》， 无蒂锯齿状病变（SSL）是通过“锯齿状肿瘤途径”发展的主要癌前病变，该途径可导致高达20%-30%的结直肠癌，无蒂锯齿状病变如果不能正确识别或完整切除会导致间隔期结直肠癌（占5%-7%）。基于此，武大人民医院联合楚精灵团队依据循证指南、病理医师诊断逻辑及能够后续分析错误原因，开发深度学习模型：黏膜层分割模型（DCNN 1）。基底分割模型（DCNN 2）。腺隐窝分割模型（DCNN 3）和腺隐窝分类模型（DCNN 4），模型训练结果AI准确度86.72%、灵敏度83.87%、特异度89.39%，AI的准确性高于所有病理专家，敏感性高于所有高级病理专家和初级病理专家。最后表示：我们的系统基于指南的先验知识实现了专家分类的准确性，有充分的信心，它能够在未来帮助病理学家诊断无蒂锯齿状病变。

武汉大学人民医院姚理文博士带来《基于人工智能的胃癌内镜筛查的成本效益分析》，从全球和我国的肿瘤高发数据背景切入，消化道肿瘤位居前三，而中国早癌检出率低，内镜医师水平参差不齐，通过人工智能有望解决目前消化内镜存在的问题。利用非筛查、常规筛查和AI辅助筛查等方面从社会角度比较40-80岁中国高危人群，最后得出结论以中国胃癌高危适龄筛查人群数量1.47亿进行估计，应用内镜精灵白光早癌功能进行全国胃镜筛查相比传统筛查，预计每年可节约1.75亿美元，减少3372例胃癌发生和917例胃癌死亡。

武汉大学人民医院李迅博士带来《基于深度学习的超声内镜下上消化道黏膜下肿瘤起源层次识别系统》，黏膜下肿瘤准确的判断起源层次对于选择合适内镜治疗方法尤为重要，而超声内镜是最准确的检查方法。因此其于红刚教授团队基于深度学习构建了可在EUS检查中分割病灶轮廓及周围各层黏膜并提示起源层次的人工智能系统-SMT Master。先后进行了模型训练、内外部验证、人机大赛和视频的实时测试。分类模型最终的准确度为90%，高于专家83.3%。并且展示了该系统层次分割的界面显示，可实时得进行病灶和病灶周围黏膜层的分割以及起源层次的判断。最后表示该系统有望解决临床上EUS下黏膜层次识别困难的问题，也可辅助EUS医师更准确的诊断和治疗黏膜下肿瘤。

武汉大学人民医院卢姿桦博士带来《人工智能可以消除医生疲劳对结肠镜检查的负面影响：两项随机对照试验的二次分析》，结直肠癌是世界三大常见癌症，通过结肠镜筛查发现和切除癌前息肉可以大大降低结直肠癌的发病率和死亡率，腺瘤检出率是结肠镜的重要质量控制指标。基于此对两项RCT进行二次分析，通过人工智能干预息肉辅助检测和实时退镜速度监测的角度对内窥镜医生的疲劳程度进行试验，最后得出结论在AI系统的辅助下，其在克服内镜医师疲劳，维持息肉和腺瘤检出率方面起到积极作用。