揭秘早期胃癌内镜黏膜下剥离术：构建公开数据集推动 AI 医学新突破

《Scientific Data》：Renji endoscopic submucosal dissection video data set for early gastric cancer

深度学习的内镜手术阶段识别高度依赖大规模数据集和注释，而早期胃癌内镜黏膜下剥离术（ESD）公开数据集匮乏。研究人员构建了首个公开的早期胃癌 ESD 视频数据集，包含 20 个视频和 66,656 个阶段识别注释，推动 AI 研究，助力临床应用。

　　

在医学领域，胃癌如同潜伏在人体内部的 “杀手”，严重威胁着人们的生命健康。据统计，胃癌是全球癌症相关死亡的第三大原因。早期胃癌（EGC）若能及时发现并进行切除，患者的预后情况会大大改善。目前，内镜黏膜下剥离术（ESD）是治疗早期胃癌的主要方式，它具有创伤小、能提升患者术后生活质量等优点。然而，ESD 手术对内镜医生的操作要求极高，医生不仅要根据病变形态熟练操作器械，还要时刻保持内镜的最佳位置，精确调节胃内气体量，同时准确判断病变的类型和范围。

随着人工智能（AI）技术的飞速发展，其在医学领域的应用也越来越广泛。AI 驱动的手术视频分析技术，就像为医生配备了一个智能 “助手”，可以逐秒分析手术步骤，为医生提供实时反馈和决策支持，还能提前识别潜在风险，保障手术安全，提升医疗质量。对于新手医生而言，AI 通过模拟环境和分析手术视频，能帮助他们更快地评估自身技能，缩短学习曲线。可是，在 ESD 治疗早期消化道癌症的阶段识别方面，相关研究却相对较少。此前虽有研究对 ESD 视频进行注释并开发出相关系统，但存在视频未公开、手术流程不完善等问题。由于缺乏公开的早期胃癌 ESD 阶段识别数据集，严重阻碍了 AI 在这一领域的研究进展和临床应用。

为了解决这些难题，上海交通大学医学院附属仁济医院的研究人员挺身而出，开展了一项极具意义的研究。他们成功构建了首个可公开获取的早期胃癌 ESD 视频数据集，这一成果意义非凡，就像是为 AI 在早期胃癌 ESD 研究领域打开了一扇新的大门。该研究成果发表在《Scientific Data》杂志上。

在研究过程中，研究人员运用了以下几个关键技术方法：首先是数据收集，他们在 2024 年 1 月至 4 月期间，于仁济医院内镜室的日常手术中采集数据。所有患者在手术前均签署书面知情同意书，确保个人信息匿名化处理。研究获得医院伦理委员会批准后，使用特定内镜设备及记录系统，以 1920×1080 像素分辨率、50 帧 / 秒的帧率录制 20 个 ESD 手术视频，并去除消化道外的无关帧。其次是视频注释，研究人员制定标准化标注协议，将 ESD 手术分为 8 个阶段，对视频进行 1 帧 / 秒的下采样后标注，标注完成后还经过严格的多阶段质量控制。

研究结果如下：

• 数据集构成：20 个 ESD 内镜视频涵盖早期胃癌不同发病部位，其中胃窦（包括胃角）12 例、胃体 5 例、贲门 3 例。这些视频为后续研究提供了丰富多样的样本。
• 标注信息：总共标注了 66,656 帧，每帧都被精确分配到 8 个手术阶段中的一个。通过这种细致的标注，为 AI 算法学习手术阶段特征提供了详细的数据支持。
• 数据集特征：数据集来自 20 位患者，受试者平均年龄 60.35 岁，标准差 9.02 岁，其中女性 8 名、男性 12 名，均为中国患者。这些患者信息的详细记录，有助于研究人员从不同角度分析数据，探索潜在的规律。
• 数据验证：经过严格的标注一致性检验和质量控制，2 名训练有素的医学注释人员对 1 个视频标注的皮尔逊相关系数（PCC）达到 0.949（p<0.001），表明标注协议具有高度一致性，后续注释质量也得到 2 名经验丰富的内镜医生严格把控。

研究结论和讨论部分强调，该数据集作为目前唯一公开的早期胃癌 ESD 数据集，为 AI 研究提供了关键数据支持，有助于开发更精准的手术阶段识别系统，推动 AI 技术在早期胃癌 ESD 手术分析中的应用，促进临床实践中 ESD 手术质量的提升。虽然数据集存在仅来自单一医院、收集条件有限等局限性，但随着未来数据库的进一步扩展，有望为该领域带来更多突破，为早期胃癌的治疗和研究开辟新的道路，让更多患者受益。