人工智能

人工智能溃疡性结肠炎研究论文

肠道菌群组成改变与结直肠癌（CRC）间关系密切，如今多项研究利用机器学习算法开发了基于肠道菌群的临床诊断模型，其中随机森林是最常用到的模型算法，但其方法是全局性的，不利于识别只对较小的病人群体有影响的物种。近日，东京工业大学研究人员在Genome Biology发表最新研究，发现使用人工智能可获得更加个性化的特征，在识别CRC的潜在细菌生物标志物方面性能较好，值得关注。

人工智能肠道菌群结直肠癌研究论文基础研究

人工智能

JAMA子刊：基于CT影像的AI辅助结肠癌诊断

JAMA Network Open上发表的一项最新研究结果，纳入267名急性憩室炎（AD）患者及318名结肠癌（CC）患者，基于CT影像开发深度学习算法，可提高阅片医生从AD中鉴别CC的敏感度、特异性、阴性预测值、阳性预测值。

人工智能结肠癌研究论文急性憩室炎 AI辅助诊断

视力障碍

Nature子刊：中国团队研发出儿童视力障碍早期筛查app

中山大学中山眼科中心林浩添教授团队联合全球多家医疗及研发机构进行医工交叉协同攻关，以智能手机为应用终端，研发了全球首个婴幼儿视功能损伤手机智能筛查系统，并且该系统在三千余名儿童数据中表现良好。该系统的研发有助于儿童视力障碍问题的早期筛查和预防。

视力障碍研究论文人工智能视障筛查工具

microDELTA

宁康等：microDELTA或可用于解决年龄依赖的人体健康诊断问题

人类肠道微生物群落在生命不同阶段及不同健康状况下的组成各不相同，其动态变化与环境、疾病进展及饮食变化等有关。因此，人类肠道菌群的时序变化可以一定程度反映宿主的生活轨迹。近日，华中科技大学宁康及团队在Briefings in Bioinformatics发表最新研究，提出一个基于肠道微生物群落数据使用迁移学习实现的人体健康轨迹追踪框架microDELTA，初步解决了年龄依赖性的人体健康状态诊断问题。总之，该工具可准确追踪人类肠道菌群特定的生命轨迹，较为完善的解决了年龄依赖性的人体健康状态诊断问题，对未来的健康监测与临床实践有着重要意义，值得关注。

microDELTA 健康诊断研究论文基础研究机器学习

机器学习

Nature子刊：AI+机器学习，可更好预测CRC患者预后和治疗反应？

先前多项研究发现免疫细胞成分在结直肠癌（CRC）中具有很强的预后和预测价值，但诸如免疫评分（IS）或上皮内淋巴细胞定量等评分系统只是被缓慢地应用于临床应用，并仍存在较大局限性。近日，德国美因茨大学研究人员在Nature Medicine发表最新研究，利用人工智能和深度机器学习建立了多链深度学习模型，发现该模型具有较高预测能力，且优于其他基于临床、分子和免疫细胞的参数，也可用于预测CRC患者对新辅助治疗的反应。总之，该方法为C RC的预后和预测目的提供了有价值的参考和见解，值得关注。

机器学习结直肠癌研究论文基础研究人工智能

个性化饮食干预

基于人工智能创建的个性化饮食或可调节IBS患者肠道菌群

肠易激综合征（IBS）是一种慢性功能性胃肠道疾病，最近证据表明，饮食已成为治疗IBS一种有效的干预方法，肠道菌群可能在IBS疾病发生、进展和严重程度中起着重要作用，但不同病人有其独特的菌群组成会影响饮食干预的有效性，因此，需要促使微生物群疗法更加个性化。近日，发表在Gut Microbes的最新研究，基于罗马IV标准招募25名IBS患者，分个性化营养饮食组（n=14）和标准IBS饮食组（n=11），干预6周，发现通过机器学习算法创建的特定个性化饮食可实现调节IBS患者的肠道菌群。但该研究的样本量较小，相关结论仍有待进一步验证。

个性化饮食干预人工智能研究论文基础研究肠道菌群

疾病诊断

宁康团队：迁移学习模型或可促进基于微生物的跨区域疾病诊断

炎症性肠病人群肠道菌群的异质性具有显著的区域效应，这在很大程度上限制了基于微生物的疾病诊断的跨区域应用。目前，基于微生物的机器学习方法已用于炎症性肠病和2型糖尿病的诊断，但尚无法减轻跨区域效应。近日，华中科技大学宁康及其团队在Gut发表最新研究，将迁移学习引入疾病神经诊断模型，“借用”源城市有关疾病的成熟知识，辅助目标城市进行疾病诊断，提高了人工智能在缺乏目标城市微生物群模式信息时的诊断准确性和稳健性。

疾病诊断人工智能机器学习迁移学习研究论文

菌群

机器学习和深度学习在菌群研究中的应用

菌群人工智能机器学习深度学习预测能力

人工智能

在息肉切除后的患者中，AI辅助的结肠镜检查增加需要强化监测的比例

Clinical Gastroenterology and Hepatology上发表的一项最新研究，总结了9项随机对照试验的结果，在5796名接受息肉切除的患者中，人工智能（AI）辅助下的结肠镜检查显著增加了需要强化监测的比例，这可能有助于更好地预防结直肠癌，但也增加了患者负担及医疗成本。

人工智能研究论文结肠镜检查肠息肉切除术

人工智能

国内团队：利用AI评估溃疡性结肠炎患者的炎症活动度

厦门大学附属中山医院的蔡顺天团队在Gastrointestinal Endoscopy上发表的一项最新研究，开发了一套用于评估溃疡性结肠炎患者的炎症活动度的人工智能评分系统，可基于内镜图像准确地分析肠道炎症的严重程度及分布。

人工智能研究论文医学研究溃疡性结肠炎内镜

人工智能

蔺蓉团队：人工智能助力小肠胶囊内镜诊断

胶囊内窥镜已成为诊断小肠疾病的主要手段。为减轻内镜医生的负担，基于深度学习算法的人工智能技术被用于识别小肠胶囊内窥镜（SBCE）检查中的异常现象。近日，华中科技大学同济医学院附属协和医院蔺蓉团队在Endoscopy上发表文章，报道了一种新的人工智能诊断模型，能够基于SBCE视频识别而自动同时判断多种异常，可有效辅助经验不足的初级内镜医生进行诊断，展现出潜在的临床实验价值。

人工智能胶囊内镜图像识别研究论文

结肠镜检查

人工智能辅助的溃疡性结肠炎内镜严重程度的评估及分类

American Journal of Gastroenterology上发表的一项最新研究结果，开发了一种深度学习模型，能够准确地对溃疡性结肠炎患者的内镜严重程度进行评估，并基于梅奥内镜评分进行分类。

结肠镜检查研究论文溃疡性结肠炎人工智能

结直肠息肉

用于结直肠息肉实时光学表征的新型人工智能设备

这是发表在npj Digital Medicine上的一份工作，作者开发了一套不依赖于蓝光虚拟色素增强图像、仅仅依赖于传统白光内窥镜照射图像就能完成诊断的人工智能计算机辅助诊断设备（CADx）。在临床诊断中，该设备在传统白光内镜图像中表现出与内窥镜专家医生相当的诊断准确率，即使在蓝光虚拟色素增强的条件下，该设备诊断准确率也与非专家内窥镜医师相当。有趣的是，在错误诊断的病例中，该设备与医生诊断结果一致。

结直肠息肉肠镜检查人工智能

结直肠癌

Lancet子刊：AI可让肠镜筛查大肠癌更有效、更划算

人工智能（AI）技术可增加结肠镜检查对癌前息肉的检出率，可能有助于长期预防结直肠癌。Lancet Digital Health近期发表的一项建模研究，表明在结肠镜筛查中使用AI检测工具，可以节约成本，并进一步预防结直肠癌的发生和死亡。

结直肠癌癌症筛查人工智能

结直肠癌筛查

人工智能可降低结直肠腺瘤的漏检率

Gastroenterology上发表的一项随机对照试验结果，在230名接受结肠镜检查的受试者中发现，人工智能（AI）辅助可显著降低结直肠腺瘤的漏检率，并显著降低假阴性率。

结直肠癌筛查研究论文随机对照试验人工智能结肠镜检查

药物研发

王军+陈义华NBT突破：用人工智能大规模挖掘人肠道菌群中的抗菌肽

抗生素耐药菌（特别是多重耐药菌）对人类健康造成严重威胁，亟需开发新的抗菌药物。生物体（包括肠道微生物）产生的抗微生物肽（AMP）是研发新型抗菌药物的弹药储备库，但受限于已有技术，仍有大量AMP尚未被挖掘出来，人工智能（AI）算法在该领域中有很大的应用潜力。中国科学院微生物研究所王军团队与陈义华团队合作在Nature Biotechnology发表最新研究，结合多种自然语言处理神经网络模型，建立了能自主学习AMP序列特征从而挖掘鉴定新型AMP的AI方法，并用该方法从人肠道微生物组数据中挖掘出181个新型AMP，包括能在体内外有效抑制多重耐药菌的强效AMP。总之，这项概念验证研究不仅为研发抗菌药物提供了大量的候选AMP，也为利用AI从宏基因组数据中挖掘功能肽提供了一个优秀的范例。

药物研发抗菌肽人工智能深度学习宏基因组

人工智能

人工智能在IBD中的应用（综述）

Gastroenterology上发表的一篇综述文章，总结了人工智能在IBD管理中的多种应用，包括影像诊断、临床文本分析及临床决策。

人工智能综述 IBD

肠癌

Nature子刊：中南大学团队构建专家级肠癌识别模型

当前的病理人工智能主要基于有监督学习，然而有监督学习依赖于海量的标注数据，严重制约了人工智能系统的开发和落地。中南大学的邓红文、肖红梅、王宽松作为共同通讯作者在Nature Communications发表文章，首次应用半监督学习方法建立了专家级的肠癌识别模型。由于半监督学习降低了对标注数据的依赖，因此在高效构建病理人工智能系统的实践中，具有极大的潜力和应用前景。

肠癌人工智能半监督病理全片图像

人工智能

Nature子刊：人工智能辅助IBD药物研发

Nature Communications上发表的一项最新研究，建立了一种人工智能辅助的IBD治疗靶点发现方法，鉴定出PRKAB1（AMPK的β1亚基）在肠道屏障功能中的保护性作用，并可作为IBD治疗靶点，同时在小鼠及类器官模型中验证了PRKAB1激动剂的疗效。另外，在5种已获批IBD治疗药物及16种临床试验失败的IBD治疗药物中，利用该模型可准确地预测药物的临床试验成败。

人工智能研究论文基础研究 IBD IBD治疗靶点

药物-菌群互作

用机器学习预测药物-菌群互作（综述）

搞清药物与菌群的相互作用，可指导药物研发和个体化医疗。Biotechnology Advances近期发表综述，回顾了关于药物-菌群互作的研究进展，并探讨了机器学习在该领域中的应用情况和未来前景，推荐专业人士关注。

药物-菌群互作机器学习药物研发人工智能肠道菌群

人工智能

人工智能在大肠癌中的应用（综述）

Artificial Intelligence Review上发表的一篇综述文章，详细介绍了人工智能（AI）在结直肠癌的流行病学研究、诊断及治疗中的潜在应用。

人工智能综述结直肠癌

腺瘤

Gut：人工智能辅助内窥镜医师提高腺瘤检出率

人工智能已被证明可以提高腺瘤检出率（ADR），但该结果与医生经验的相关程度尚不清楚。Gut杂志最新发表了一项随机试验，对照组为10名非专业内窥镜医生对40-80岁的受试者使用高清晰结肠镜进行筛查/监测/诊断性结肠镜检查，试验组在对照组基础上加入实时深度学习计算机辅助检测（CADe）。该研究结果发现，对于经验较少的内窥镜医师，CADe的辅助可增加其ADR检出率。

腺瘤研究论文医学研究人工智能结肠镜检查

个性化治疗

AI辅助预测帕尼单抗在转移性大肠癌中的疗效

双调蛋白（AREG）及上皮调节蛋白（EREG）作为EGFR的配体，其肿瘤内的mRNA水平与转移性结直肠癌（mCRC）患者对靶向EGFR的治疗的应答相关。Clinical Cancer Research上发表的一项最新研究，开发了一种人工智能算法以评估免疫组化中的AREG/EREG表达，发现在RAS野生型mCRC患者中，AREG/EREG高表达与帕尼单抗（panitumumab）治疗获益相关。

个性化治疗 RAS野生型转移性结直肠癌（mCRC）研究论文基础研究双调蛋白

未来食品

全球食品供应链：如何革新？（综述）

该文章由Annual Review of Food Science and Technology编辑委员会主刀撰写。针对COVID-19疫情暴露的全球食品供应相关问题，比如供应链的弹性和稳固、食物的持续性生产与供应、食物与健康、食品安全等，文章分别给出了相应的革新和技术改革方案。其技术革新方案涉及农业生产、生物技术、生命科学、大数据、人工智能等各方面，值得相关人士阅读参考。

未来食品食品生产环境影响纳米技术基因编辑

人工智能

人工智能在胃肠道和肝胆癌症病理诊断中的应用（综述）

人工智能（AI）可以从视觉数据中提取复杂的信息。胃肠道（GI）和肝癌的组织病理学图像包含大量人类观察者只能部分理解的信息。作为对人类观察者的补充，AI可以对胃肠道和肝癌的数字化组织切片进行深入分析，并提供广泛的临床相关应用。发表在Gut上的一篇综述文章对AI与病理诊断的进展进行了介绍，并指出数字病理学的目标不是接管病理学家的工作，而是提高诊断准确性，减少人为错误，并提高工作效率和可重复性。

人工智能深度学习数字化组织切片疾病诊断全载玻片成像扫描

结直肠癌

人工智能预测大肠癌转移风险

尽管T1期结直肠癌（CRC）淋巴结转移的发生率仅为~10%，但根据指南，大多数T1 CRC患者需接受手术切除和淋巴结清扫。为减少不必要的手术切除，最新发表在Gastroenterology的研究使用人工智能建立了一个模型来识别T1 CRC患者的淋巴结转移风险，并在单独的一组患者中验证了该模型。训练队列和验证队列数据显示，该ANN模型在识别T1 CRC患者淋巴结转移方面优于指南。该模型可用于确定哪些患者在经历内镜下切除T1 CRCs后需要额外手术。

结直肠癌 AI LNM machine learning algorithm

癌症

Nature Reviews：基于AI的消化系统癌症标志物研发前沿（评论）

深度学习可以从组织学中挖掘临床上有用的信息。在胃肠道和肝癌中，这种算法可以预测生存率和分子改变。一旦病理工作流程被广泛数字化，这些方法就可以作为经济便捷的生物标记。最新发表在《Nature Reviews Gastroenterology and Hepatology》的评论文章总结了目前基于人工智能的癌症病例生物标志物开发现状和挑战。基于人工智能的临床转化需要在编程和临床应用两方面对跨学科研究人员进行培训。

癌症病理人工智能机器学习生物标志物

结直肠癌

人工智能辅助结直肠息肉光学诊断

窄带成像（NBI）可用于判断结直肠息肉是腺瘤还是增生。最新发表在Gastroenterology的研究旨在探索人工智能（AI）系统是否可以提高不同技术水平内窥镜医师对息肉特征判断的准确性。该研究开发了卷积神经网络（CNNs），用于评估小型结直肠息肉。使用来自1379位患者的1100个腺瘤性息肉和1050个增生性息肉图像来训练CNN，接着对该系统进行测试，并比较不同技术水平的内窥镜医师（新手、专家、经NBI培训的专家）与CNN对180例腺瘤和120例增生性息肉图像评估的准确性。随后，内窥镜医师根据CNN处理结果评估息肉图像。该研究发现CNN系统对腺瘤性和增生性小息肉的辨别准确率高于内窥镜医师总体辨别准确率。内窥镜医师在CNN评价的基础上进行辨别，整体准确率显著提高，尤其是新手内窥镜医师，在没有经过额外训练的情况下，其辨别准确率可接近专家水平。此外，CNN处理结果显著减少内镜师诊断时间，由3.92秒/息肉降至3.37秒/息肉。该CNN辅助系统可以降低内窥镜医师的技术水平依赖性和成本。

结直肠癌 Deep learning colorectal cancer cancer screening diagnostic

人工智能

利用人工智能评估溃疡性结肠炎

近期研究表明，人工智能(AI)和深度学习在各种医疗和内窥镜领域可能存在作用。Gastroenterology发表的文章，试图开发一种基于内镜下UC图像的深度神经网络系统(DNUC)，以达到与内窥镜专家同等的准确评估水平。此外，该研究的目标是创建一个AI系统来预测内镜图像的组织学缓解，以降低活检的成本和固有风险。结果表明，用DNUC评估来自UC患者的内镜图像，识别那些内镜缓解和组织学缓解的准确率分别为90.1%和92.9%。因此，DNUC可以在不需要粘膜活检采集和分析的情况下识别缓解患者。

人工智能 Mucosal healing Artificial intelligence IBD diagnostic