人工智能应用于食管癌临床诊疗的专家共识（2022 版）核心解读

---

一、核心定位与适用范围

1. 共识定位

• 国内首部食管癌 AI 诊疗专项共识，由多学科专家制定，覆盖内镜、影像、病理、治疗、预后全流程。
• 核心目标：降低漏诊、提升分期精准度、优化治疗决策、实现同质化诊疗。

2. 适用场景

• 筛查与早诊：内镜 AI 辅助识别早期食管癌 / 癌前病变。
• 术前评估：AI 预测浸润深度、淋巴结转移、可切除性。
• 治疗决策：新辅助 / 根治性放化疗疗效预测、免疫 / 靶向获益人群筛选。
• 预后分层：基于多模态 AI 模型预测生存、复发风险。
• 病理与分子：AI 辅助病理诊断、分子分型（如 POLE、MSI）。

---

二、数据采集与标注规范（基础）

1. 内镜数据（核心）

• 术前准备：禁食 6–8 h（中晚期 12 h）；检查前 30 min 服蛋白酶 + 西甲硅油 + 碳酸氢钠；5 min 肌注解痉药（禁忌者除外）。
• 采集要求：
  • 医师资质：≥500 例内镜经验，经副主任医师培训。
  • 操作规范：全程≥5 min，每 5 cm 观察；可疑病灶摄白光 + NBI + 碘染各 3 张（远 / 近 / 边界）。
  • 图像标准：分辨率≥512×512，JPEG 原始数据，无模糊 / 黏液 / 气泡。
   
• 标注流程：3 名医师独立标注（粗标 / 精标），组长审核、专家仲裁；金标准为病理活检。

2. 影像数据（CT/MRI/PET-CT）

• CT：胸上腹增强，动脉期（30–40 s）、静脉期（60–80 s），层厚≤1 mm，精细勾画肿瘤 VOI。
• MRI：T2WI、DWI、增强序列，评估纵隔 / 腹腔淋巴结。
• PET-CT：SUVmax 量化，评估远处转移与代谢活性。

3. 病理与组学数据

• 病理切片：HE 染色，AI 辅助核分裂、脉管侵犯、神经侵犯判读。
• 组学：整合基因组、转录组、蛋白质组，AI 挖掘预后 / 疗效标志物。

---

三、AI 核心应用场景与推荐（强 / 弱推荐）

1. 内镜 AI 辅助诊断（Ⅰ 级推荐，强）

• 早期癌 / 癌前病变识别
  • 白光 + NBI-AI：敏感性96.8%、特异性84.2%、AUC0.97；漏诊率由7.9% 降至 2.1%。
  • 推荐：所有高危人群内镜筛查常规使用 AI 实时辅助；低年资医师必用。
   
• 浸润深度预测（T 分期）
  • ME-NBI-AI：预测 JES-B 分型准确率 **>90%**，κ=0.82（优于医师 κ=0.54）。
  • 推荐：T1a/T1b鉴别优先 AI，指导内镜切除 / 手术决策。
   
• IPCL 分型与边界勾画
  • AI 自动识别 IPCL 类型，精准勾画病变边界，指导 ESD 范围。
   

2. 术前分期与淋巴结转移预测（Ⅱ 级推荐，强）

• T 分期：CT/MRI-AI 预测浸润深度（T1–T4）准确率85%–90%。
• N 分期：CT 影像组学 AI 预测淋巴结转移 AUC0.85–0.91，优于传统 CT（AUC 0.75）。
• M 分期：PET-CT-AI 识别远处转移（肝 / 肺 / 骨）敏感性92%。
• 推荐：术前常规行 AI 分期，联合 EUS 提升精准度。

3. 治疗决策与疗效预测（Ⅱ 级推荐）

• 新辅助放化疗（nCRT）疗效
  • 多模态 AI（CT + 临床 + 组学）预测 pCR 准确率75%–80%，AUC0.78–0.82。
  • 推荐：局部晚期食管癌nCRT 前行 AI 预测，指导手术 / 巩固治疗决策。
   
• 免疫治疗获益人群
  • AI 整合 PD-L1、TMB、MSI、影像组学，筛选获益人群（ORR 提升20%–30%）。
  • 推荐：复发 / 转移性食管癌免疫治疗前行 AI 生物标志物整合分析。
   

4. 预后与复发风险分层（Ⅱ 级推荐）

• 生存预测：AI 整合 TNM、影像、病理、组学，C 指数0.75–0.80，优于传统分期（C 指数 0.65）。
• 复发预测：术后 AI 模型预测 2 年复发风险 AUC0.80–0.85，指导随访强度。
• 推荐：所有食管癌患者术后行 AI 预后分层，制定个体化随访方案。

5. 病理与分子 AI 辅助（Ⅲ 级推荐）

• 病理诊断：AI 辅助 HE 切片判读，区分鳞癌 / 腺癌、高 / 中 / 低分化，准确率90%+。
• 分子分型：AI 从病理图像预测POLE、MSI、HER2状态，与基因检测一致性85%+。
• 推荐：病理科常规使用 AI 辅助，提升诊断效率与一致性。

---

四、AI 系统临床应用要求（强制）

1. 性能标准

• 实时性：内镜视频处理≥16 帧 /s，延迟 <50 ms。
• 准确性：早期癌识别敏感性≥95%、特异性≥85%；分期准确率≥85%。
• 可解释性：提供热力图、决策依据，便于医师理解与验证。

2. 质量控制

• 验证：必须经多中心、前瞻性、外部验证，避免过拟合。
• 更新：每6–12 个月用新数据迭代模型，适配人群与设备差异。
• 审计：定期抽查 AI 诊断与医师决策一致性，偏差 >**10%** 需重新校准。

3. 临床流程

• 模式：AI 辅助 + 医师终审，禁止 AI 独立诊断 / 决策。
• 时机：内镜实时辅助；术前分期 / 疗效预测术前 72 h 内完成；预后分层术后 1 周内完成。
• 记录：AI 结果、医师修正、最终决策全程留痕，纳入病历。

---

五、禁忌与慎用场景

1. 绝对禁忌

• AI 用于急诊手术、紧急放化疗等时间敏感决策（需快速人工判断）。
• 未经多中心验证的 AI 模型用于临床诊断 / 治疗决策。
• AI 替代病理活检、基因检测等金标准检查。

2. 相对慎用

• 早期癌 **<5 mm**、平坦型（0-Ⅱb）病变，AI 易漏诊，需放大 + 染色 + 活检确认。
• 严重炎症、溃疡、瘢痕掩盖病灶，AI 假阳性率高，需医师重点复核。
• 罕见病理类型（如小细胞癌、肉瘤样癌），AI 训练数据不足，慎用。

---

六、10 条临床速记

1. 食管癌 AI 核心价值：早诊降漏、分期精准、决策优化、预后分层。
2. 内镜 AI：白光 + NBI + 碘染三模态，早期癌敏感性96.8%，漏诊率降70%+。
3. 术前 AI：CT+EUS联合，T/N/M 分期准确率85%–90%，指导手术 / 新辅助决策。
4. 疗效 AI：预测 nCRT pCR 准确率75%–80%，筛选免疫获益人群。
5. 预后 AI：整合多模态数据，C 指数0.75–0.80，优于传统 TNM。
6. 数据规范：内镜三图九拍、CT 薄层精细标注、病理金标准。
7. 系统要求：实时、准确、可解释，多中心验证后方可临床应用。
8. 临床原则：AI 辅助、医师终审、全程留痕，禁止 AI 独立决策。
9. 慎用场景：微小 / 平坦癌、严重炎症、罕见病理，需医师重点复核。
10. 质量控制：定期更新、审计、校准，确保 AI 性能稳定。