作者：顾丽友、杨阳、杨沈
中国盐城市建湖县人民医院消化内科，邮编224700
摘要
背景与研究目的
全面识别和评估为分析胃肠道内镜图像而开发的人工智能方法，有助于选择最合适的技术。本研究旨在利用模糊AHP-TOPSIS方法介绍最佳的人工智能技术，以分析胃肠道内镜图像。
患者与方法
为了识别已开发的人工智能技术，我们在五个知名数据库中进行了系统性搜索。随后，采用德尔菲法（Delphi method）来确定选择最佳人工智能技术的适当标准。为了评估这些标准的相对权重，使用了模糊层次分析法（FAHP）。最后，应用了基于与理想解相似性的排序偏好技术（TOPSIS method）来对识别出的人工智能技术进行优先级排序。
结果
共识别出70种人工智能技术。确定了七个选择标准：有效性、准确性、全面性、处理时间、成本、简单性和执行能力。排名靠前的技术分别是计算机辅助检测（CAD）系统（0.8203）、人类颜色外观模型（CIECAM）（0.8122）、组合方法（PD-CNN-PCC-EELM）（0.8109）、组合方法（DNN-CAD）（0.7928）以及ResNet18深度学习模型（0.7921）。
结论
这些发现代表了一种全面的方法，可用于未来设计性能更优的技术。
引言
多种疾病可能威胁人类健康[1]。胃肠道（GI）系统负责消化食物和吸收营养，对维持整体健康起着关键作用。这一复杂系统容易受到各种疾病的困扰，从而严重影响其正常功能[2]。例如息肉、食管疾病、结肠癌和溃疡性结肠炎等病症会影响胃肠道系统的各个组成部分，包括胃、肠道、肝脏和胰腺[2]。
胃肠道内镜检查是可视化胃肠道并识别各种病理状况的重要诊断工具，在诊断和管理多种胃肠道疾病方面发挥着重要作用。对内镜检查的技术技能和知识需求正在不断增加[3,4]。尽管已有指南旨在提高内镜检查的质量，但仍然存在漏诊的问题，尤其是在内镜医师经验不足或疲劳的情况下[4]。内镜检查过程中癌症（11.6%）和结直肠息肉（22%）的漏诊率较高，这凸显了提高诊断内镜质量的迫切需求[4,5]。
在过去二十年里，医学成像技术的进步显著提升了疾病诊断的自动化程度[6]。及时准确的诊断对于许多疾病的有效治疗至关重要。然而，这一过程需要大量医疗专业人员，从而导致高昂的成本、潜在的错误以及大量的时间消耗。此外，农村地区在满足对受过充分培训的医疗人员的需求方面往往面临挑战[6]。
解决这些挑战的方法在于开发能够自动且精确地识别和评估胃肠道疾病的技术创新[7,8]。将人工智能（AI）应用于显微图像分析是医学研究中一个重要且发展迅速的领域[9]。这些自动化图像分析工具旨在通过提高诊断准确性并确保不同专家之间观察结果的一致性来辅助内镜医师[10]。
人工智能（AI）作为计算机科学的一项重大进展，在改善临床诊断方面发挥着关键作用。它通过整合创新工具为医疗保健领域带来了新的机遇[11]。在胃肠道疾病领域，AI已经证明了其在疾病诊断多个方面的影响力。此外，它还提高了诊断的精确度和速度，使得临床决策更加可靠[12],[13],[14]。AI在预测准确性方面已经超过了传统统计方法[15]。
最近的研究表明，这些技术在多个医学领域具有应用价值[16],[17],[18]。特别是将它们整合到胃肠道内镜检查中，有望提高诊断的准确性[19]。此外，预计这些创新将显著改善内镜检查的效果，尤其是缩短内镜分析的时间[20]。
近年来，人们对这一领域的兴趣显著增加[21]。然而，目前还没有进行过全面的研究来全面识别用于分析胃肠道内镜图像的人工智能技术。鉴于这些方法的数量众多，尚不清楚哪些技术对于特定应用最为有效。选择最佳方法时通常会考虑多个标准，包括准确性、简单性、速度和成本[22]。
多标准决策方法（MSDM）是选择最佳选项的最有效技术之一[23]。这些方法应用多个标准，并根据每个标准的重要性确定其相对权重。然后根据这些加权标准对各项指标进行评分和排序[24]。两种常用的方法是模糊层次分析法（FAHP）和基于与理想解相似性的排序偏好技术（TOPSIS）。在这种方法中，FAHP用于为选择标准分配权重，而TOPSIS则根据这些加权标准对各项指标进行排序[24]。
人工智能可以显著提高工作效率并减少错误，尤其是在医学领域。为此，已经在多个领域开发了许多技术。然而，由于可用方法众多，用户很难识别出最有效和最适合的方法。全面识别和评估为分析胃肠道内镜图像而开发的人工智能技术，有助于选择合适的技术。鉴于这一问题的重要性，本研究旨在利用模糊AHP-TOPSIS方法介绍最佳的人工智能技术，用于胃肠道内镜图像分析。研究问题包括：哪些标准最适合选择最佳的人工智能方法？每个标准的相对权重和重要性是什么？基于这些标准，哪些方法最适合内镜分析？
患者与方法
这项描述性分析研究分为四个阶段进行，具体如下：
相关技术的识别。
为了识别用于分析胃肠道内镜图像的人工智能技术，我们按照系统评价和元分析的优先报告条目（PRISMA）指南[25]，在五个知名数据库（ISI、PubMed、Scopus、Medline和Embase）中进行了系统性搜索。搜索包含了三组关键词结果
相关技术的识别。
在文献回顾中，使用选定的关键词共识别出4769篇论文。其中，有70篇论文被纳入本研究。图1显示了不同国家和年份的研究数量分布。大多数研究在中国（14篇；20.00%）、日本（11篇；15.71%）、韩国（8篇；11.43%）、葡萄牙（6篇；8.57%）和沙特阿拉伯（6篇；8.57%）进行。
讨论
本研究共识别出71种用于分析胃肠道内镜图像的人工智能技术。这些结果反映了全球范围内将AI整合到临床胃肠病学中的趋势日益增强[99]。大多数研究在中国（14篇；19.72%）、日本（11篇；15.50%）、韩国（8篇；11.27%）、葡萄牙（6篇；8.45%）和沙特阿拉伯（6篇；8.45%）进行。
作者贡献声明
顾丽友：概念构思、数据管理、撰写-审阅与编辑、监督、项目管理。
杨阳：方法论设计、数据管理、调查、初稿撰写、可视化。
杨沈：正式分析、初稿撰写、审阅与编辑、可视化。
利益冲突声明
作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。
