年1月，消化内镜界的顶级期刊GIE医院胡兵教授团队和WisionA.I.关于食管鳞状细胞癌（ESCC）的癌前病变AI检测的预临床验证论文。
从该论文披露的信息，我们看到了WisionA.I.自主研发的计算机辅助诊断系统（CAD）在对癌前病变及早期食道鳞状细胞癌（ESCC）辅助诊断时表现出来的高敏感性和高特异性。
根据预临床论文数据，CAD通过内窥镜图像和视频数据集验证，在预临床上最终达到了98.04%的敏感性和95.03%的特异性，在未来将有着巨大潜力去辅助内窥镜医师进行ESCC癌前病变诊断。
这次预临床不仅是WisionA.I.算法对食道癌前病变识别的性能验证，更是食道癌领域首次完全符合临床诊疗路径的AI验证。
此前，对食管癌的CAD研究始终局限在白光内窥镜下对进展期的癌症进行识别或分类。然而进展期的食管癌即便是在普通白光内窥镜下，其视觉特征已是非常明显，医生错诊、漏诊的概率本就非常低，这也导致了该类CAD系统的临床应用价值非常有限。
临床上真正有挑战的是如何发现食管癌的早期和癌前病变。根据日本的临床指南，已经证明食管癌癌前诊断只能依靠窄带光放大内镜，但由于特征过于复杂和细微，不熟练的医生漏诊率接近50%，所以WisionA.I.的技术要解决在窄带光内镜下的癌前病变的AI辅助检出。
优秀的预临床研究：训练样本、验证样本相互独立，随机化样本人群
作为预临床验证，旨在验证技术在每帧图像上的敏感度和特异度，预临床验证的结果优劣以及测试方法的严谨程度，预示了这项技术是否能够在真正的临床应用中取得良好的效果。
而在学术界和工业界，一些机构会尝试通过将训练样本和测试样本的互不独立，让测试集仅有训练集的1/10或1/，并选择特殊人群作为测试样本，以此来人为凑出拟合试验的结果，从而发布AI研究的预临床验证论文，完全忽视了深度学习过拟合的风险。
这种行为也从韩国学者做过的一项统计中得到了印证，统计显示，从年1月至8月全网发表的篇医学影像人工智能研究论文中，训练样本与测试样本完全独立的仅有6%！
从WisionA.I.发布的预临床验证论文中可以看到，研究人员将训练样本和验证样本进行了前瞻性独立。训练样本为包含癌前病变、早期ESCC及良性病变的张窄带成像（NBI）图片，由科研合作单医院内镜中心（WCH）、印度密鲁特的JaswantRai医院等数家专业的医疗机构提供。
WisionA.I.的验证样本分为了四个数据集，从图像验证、视频验证等多个维度对CAD系统进行了验证，验证数据总共包括了张图像和视频帧，约是训练数据集的27倍。
从该公司的验证结果可以看到，通过正确的训练数据和训练技巧，CAD系统以及它的功能在计算出食管癌前病变和ESCC的精确位置方面具有巨大潜力。
在技术上，WisionA.I.采用了同一AI模型处理了普通窄带光和放大窄带光下的病灶识别。普通和放大的窄带成像技术（NBI）对癌前病变和ESCC的诊断都有重要意义：普通窄带成像技术下的褐色区是癌前病变和ESCC的主要特征，而放大窄带成像技术下的主要特征是乳头状毛细血管袢（IPCLs）。WisionA.I.旨在开发的CAD能够在普通和放大窄带光情况下实现对癌前病变和早期ESCC的实时自动诊断，且无须切换。
预临床验证的最终目的是将其落地成为临床应用，然而由于一些预临床研究未能规避深度学习过拟合的风险，最终研究仅能停留在预临床数据上。这样的事情屡见不鲜：
年，谷歌宣布了他们在糖尿病性视网膜病变（DR）方面的AI诊断预临床研究。预临床论文显示，使用谷歌自主研发的深度学习系统能够自动检测到DR，避免数亿糖尿病患者患上不可逆失明的风险。然而这项技术却无法有效的进入后续的临床试验。
无独有偶，年，斯坦福Nature论文宣布新突破，深度学习皮肤癌诊断达专家水平，该系统能够对患者进行皮肤癌自动诊断。然而数年过去了，万众期待的皮肤癌自动诊断下文却迟迟未能登场，无疾而终。
优秀的预临床研究才能为后续临床应用铺好道路。WisionA.I.曾于年在顶级学术期刊《Nature》上发表了《对结肠镜检查中息肉检测的深度学习算法的开发和验证》预临床论文，证明了一种机器学习算法可以高敏感性、高特异性地实时检测临床结肠镜检查中的息肉，目前该公司已经完成了该系统的前瞻性随机对照研究。
在受访中，WisionA.I.创始人刘敬家也表示，公司战略中的重要一环便是针对产品性能开展严谨的试验，并让这些研究发表于高分期刊上，成为全球公认的优质临床证据。只有坚持严谨的循证医学思路，产品才能够切实提高临床核心指标并被广泛接受。
食管鳞状细胞癌（ESCC）癌前诊断的临床价值与Wision的AI实力
食管癌是全世界最常见的恶性肿瘤之一。食管鳞状细胞癌（ESCC）作为食管癌的主要亚型，在中国占比食管癌总量的90%以上，其患者整体5年生存率小于20%。因此，癌前病变和ESCC的早期诊断对患者的良好预后至关重要。
然而，ESCC的早期影像学特征又很难被识别，当经验不足的内镜医师使用窄带成像技术时，检测ESCC的敏感性仅有53％。一项有关食管癌漏诊的最新研究发现，6.4%的患者在诊断前3年内内镜检查结果呈阴性。由于缺乏训练有素的内镜医师，特别是在农村或不发达地区，使其具备检测癌前病变和ESCC的能力是一项重大挑战。
近年来，利用人工智能（AI）系统进行计算机辅助诊断（CAD）取得了显著进展。研究人员已经使用CAD系统来改善各种胃肠道病变的诊断，如结直肠息肉、胃溃疡、幽门螺杆菌感染和胃癌。而在利用CAD对ESCC的早期诊断的应用上也得到了广泛