肠道息肉检测的临床意义重大，但其筛查也极具挑战性。CADe发现息肉是CADx预测息肉病理学类型的基础。一种结合了CADe和CADx的计算机辅助诊断系统需首先有一双敏锐的“眼睛”才能开展准确的病理学预测。人工智能在消化內镜领域的应用最早可追溯到2003年发表的一项关于CADe的探索性研究报告[16]。该研究分析了腺瘤性息肉的颜色特征，设计出一种机器学习算法来检测肠镜图像中的肠道腺瘤，结果显示检测的特异性和敏感度分别达到97%和90%。早期的人工智能使用机器学习的方法，其思想是把人的经验转化为计算机可运算的范式或代码。以息肉检测为例，研究者需归纳息肉的肠镜图像特征，包括颜色、纹理、轮廓等，再转化为可计算和量化的数学语言，封装成程序后让计算机去处理图像。卷积神经网络的出现大大推动了深度学习的发展和应用，其以监督学习为主要代表，研究者无需编写面面俱到的描述性语言，而是将带有人工标注的海量数据直接交于计算机，让计算机自行提取原先由人的经验设计出来的特征。同样以息肉检测为例，首先由内镜医师给肠镜图像标注标准答案，即把真阳性和真阴性的图像挑选出来，并用矩形框或多边形描绘出真阳性图像中息肉的确切区域，然后将这些标注过的图像输入计算机，选择适合的算法和参数，就能得到一个息肉识别模型 ......