该文章来自NEJM期刊荟萃（NEJMJournalWatch）
AI-AssistedEndoscopicUltrasoundtoDistinguishBenignfromMalignantLiverMasses
人工智能辅助的内镜超声检查可鉴别肝脏良性与恶性肿块
评论作者：DouglasG.Adler,MD,FACG,AGAF,FASGE
经过训练的计算机程序可准确识别和分类肝脏局灶性病变。在确诊或疑似患肝脏恶性肿瘤的患者中，肝脏病变的评估结果通常至关重要：恶性转移性肝脏病变通常意味着肿瘤无法切除，而原发性肝脏病变有一些为良性，有一些为恶性。但我们有时很难鉴别肝脏病变为良性还是恶性。在近期的一项研究中，研究者评估了人工智能对内镜超声检查（EUS）发现的肝脏病变的识别和分类能力。作者利用例患者的,张肝脏局灶性病变（FLL）图像训练、验证和测试卷积神经网络（CNN）模型。该模型可定位92%EUS视频采样中的FLL；在根据静止图像或视频帧分类恶性FLL方面，灵敏度为90%，特异性为71%。对整个视频片段的所有图像进行分析时，在识别恶性FLL方面，CNN模型的灵敏度为%，特异性为80%。评论
这项研究展示了在定位和鉴定EUS发现的肝脏病变方面，人工智能取得的惊人结果。大多数经验丰富的内镜医师可以根据外观和临床背景熟练地确定某一病变是良性还是恶性，但未来如果将这一技术整合入EUS软件，并在手术过程中应用，可能可以在医师遇到困难的病变时提供帮助，并且为新入行的医师提供协助。有了该软件之后，我们可能不再需要对大概率是良性的病变进行采样，而是将重点放在可能是恶性的病变。
被评论文章MaryaNBetal.ApplicationofartificialintelligenceusinganovelEUS-basedconvolutionalneuralnetworkmodeltoidentifyanddistinguishbenignfrommalignanthepaticmasses.GastrointestEndoscAug27;[e-pub].(
