Miroirs d'estomac A1 révolution: 150.000 ensembles de données vidéo remodeler le modèle de détection précoce digestif

Nous sommes confrontés à un groupe de données stimulantes : la Chine compte environ 480 000 nouveaux cancers de l'estomac chaque année, soit plus de 40 % des nouveaux cas de cancer de l'estomac dans le monde; toutefois, notre taux de détection précoce du cancer de l'estomac est inférieur à 20 %, bien inférieur à 70 % au Japon et à 50 % en Corée du Sud.Insuffisance des ressources endoscopies, détection précoce inégale du cancer, systèmes de contrôle de la qualité inadéquatsC'est les trois éléments les plus centraux.

Heureusement, le développement rapide de l'intelligence artificielle nous offre la possibilité de violer les règles. De la première validation conceptuelle du système de détection assisté par l'AIS en 2015, le premier produit a été approuvé pour l'inscription en 2020, à la pleine montée de la vidéo-modération d'aujourd'hui -- l'AIS a passé le parcours critique de « utile » à « bon » à « support » à « embellir ».

À mon avis, la concurrence pour l'IA gastroscope est passée de « l'algorithme » à « le concours de données ». Sans grandes étiquettes multimodulaires de haute qualité, les algorithmes sophistiqués ne sont pas susceptibles de soutenir de véritables applications cliniques. C'est dans ce contexte que l'ensemble de données d'image vidéo EDO-GASTRO des lentilles gastriques, lancé par Changsalang Information Technology Ltd., a attiré une grande attention.

Dans cet article, je vais m'inspirer de la perspective professionnelle d'un praticien de miroir interne digestif, du point de douleur clinique du système dans le domaine de la lentille gastrique AI, de la percée technologique de la frontière 2026, de la valeur unique de l'ensemble de données de Longway, et de la tendance de l'industrie au cours des trois à cinq prochaines années.

Malgré la croissance rapide de l'estomac reflète l'IA ces dernières années, l'industrie dans son ensemble est confrontée à quatre défis fondamentaux dans le cadre clinique réel.

Défi un : Taux élevés de fuite précoce du cancer - les différences dans les niveaux d'endoscopie sont des points de douleur centraux

Le miroir de l'estomac est le seul moyen efficace de détecter le cancer de l'estomac précoce, mais ce n'est pas seulement la première fois que le cancer est trouvé.L'endoscope a une grande différence individuelle dans la capacité de reconnaître le cancer de l'estomac précoce.Diverses études menées au pays et à l'étranger montrent que les médecins endoscopes généraux peuvent avoir 10 à 20 % des cas de cancer de l'estomac précoce, et même des spécialistes expérimentés ont un taux d'environ 5 %.

Les raisons en sont nombreuses : le cancer de l'estomac précoce est inhabituel et facilement confondu avec des maladies bénignes telles que l'inflammation, l'ulcère, etc.; le temps d'examen insuffisant, certains hôpitaux primaires ne disposant que de trois à cinq minutes de lentilles d'estomac, rend difficile l'observation d'une manière complète et détaillée; et les différences dans l'expérience médicale, avec les compétences précoces en détection du cancer des jeunes et des médecins primaires nécessitant une amélioration.

Deuxième défi : La rareté des données vidéo -- l'écart entre la « détection de photos » et la « compréhension de vidéos »

La plupart des modèles actuels de miroir d'estomac d'IA sont basés sur la formation statique de la photo, mais l'examen interne miroir dans une vraie scène clinique est un flux dynamique de vidéo. Des images aux vidéos, non seulement les changements dans les formats de données, mais aussi saute dans le paradigme technique — la compréhension vidéo nécessite de traiter un ensemble complexe de questions telles que les relations de séries chronologiques entre les cadres, le flou des mouvements, le changement de perspective et le changement de lumière.

D'une part, les données vidéo miroirs sont importantes, les coûts de stockage sont élevés et l'étiquetage est difficile (chaque vidéo doit être encadrée vers la région); d'autre part, les données vidéo des hôpitaux sont dispersées dans différents systèmes et difficiles à utiliser. Je comprends que plus de 90% des études publiées miroirs d'estomac sur l'IA dans le pays sont basées sur des images statiques, et qu'il y a peu de modèles qui s'entraînent vraiment sur les données vidéo.

Défi trois : Une lumière blanche et une intégration NBI à deux modules sont impératives

Dans la pratique clinique de l'endoscopie digestive, l'endoscopie blanche et l'imagerie à bande étroite (NBI) sont les deux modèles d'observation les plus courants. L'endoscopie blanche est utilisée pour le dépistage systématique et l'observation globale, tandis que l'INB est utilisée pour l'observation fine et le diagnostic d'identification de la pathogenèse - en augmentant le contraste entre les microstructures de surface et les microstructures muqueuses, l'INB peut améliorer significativement le taux de détection du cancer de l'estomac précoce et l'exactitude du diagnostic d'identification.

Cependant, la plupart des produits d'IA miroir de l'estomac ne permettent actuellement que la détection des poêles en mode lumière blanche, et il y a un manque de recherche sur l'analyse fine et l'intégration bimodulaire de la lumière blanche-NBI dans le modèle NBI. Cela amène l'IA à fournir seulement un jugement primaire sur l'existence d'une maladie, et non pas plus d'informations cliniques sur l'identification de la pathogénicité, l'évaluation bathymétrique, etc.

Défi quatre : lacunes qualitatives en matière de contrôle - la qualité des tests varie afin de limiter l'efficacité du dépistage précoce du cancer

La qualité de l'examen du miroir de l'estomac détermine directement les effets du dépistage précoce du cancer, mais le système actuel de contrôle de la qualité pour l'examen du miroir de l'estomac dans le pays n'est pas parfait.

Prenez les principaux indicateurs de contrôle de la qualité de la lentille gastrique : L'examen gastroscope standard devrait inclure des observations systématiques de différentes parties de la cuisine, le cascading, le bas de l'estomac, le corne d'estomac, la mousse d'estomac, 12-intestins et la décomposition, et recueillir suffisamment d'images représentatives.

La période 2025-2026 est un moment critique pour la génération itérative rapide de technologies d'IA gastroscope. Les mégamodèles vidéo, la prédiction précoce de la profondeur d'isolation du cancer, l'intégration multimodulaire, le contrôle de la qualité, l'IA et l'évaluation des compétences opérationnelles conduisent conjointement les cinq premières directions technologiques à une nouvelle étape de développement.

Breaking one: test en temps réel du grand modèle vidéo -- de "préciser par image" à "comprendre"

La technologie de Video Foundation Model a fait des progrès décisifs dans le domaine des miroirs intérieurs depuis 2025. Contrairement aux modèles de tests photo statiques traditionnels, le modèle VMA peut utiliser des informations spatiales et temporelles pour détecter et suivre les poêles à maladies de façon plus précise et plus régulière.

Progrès accomplis en matière de représentation :

1. EndoVid-V1 (Hôpital Tempo et Nakayama, mars 2025)La première détection à grande échelle en temps réel de miroirs d'estomac basée sur la structure de la vidéo Transformer dans le pays, qui a pré-formé plus de 100 000 sections de vidéo miroir d'estomac, a permis de détecter en temps réel 12 types de pathologies digestives, avec une sensibilité de 94,7 %, une idiosynccité de 92,3 %, un retard moyen de traitement de moins de 50 ms et un soutien clinique complet en temps réel.

2. EndoGPT (Hôpital universitaire de Cambridge, juillet 2025)Une stratégie de préformation pour l'apprentissage du personnel à l'intention des employés est proposée, avec un apprentissage auto-suivi sur 2 millions de vidéos endoscopes. Dans les missions en aval, EndoGPT montre une excellente petite capacité d'apprentissage par échantillon – avec seulement 100 données marquées par cas pour atteindre plus de 85 % de précision de détection dans les nouvelles pathologies, ce qui est important pour les changements pathologiques rares dans les tests d'IA.

3. GastroViT-Large (Université du riz oyé, novembre 2025)La première application du transformateur visuel à grande échelle à la compréhension vidéo du miroir gastrique a permis de détecter et de classer de façon uniforme 20 types de pathologies pathogènes digestives. Dans la validation externe multicentrique, le modèle a une sensibilité à la détection précoce du cancer de l'estomac de 96,2 %, ce qui est supérieur au niveau moyen de 89,5 % du praticien de l'endoscope pour l'étude.

Breaking 2: Prédiction précoce de la profondeur de lixiviation du cancer -- du « test » à la « promotion » à l'« appui à la prise de décisions cliniques »

Pour les patients atteints de cancer de l'estomac précoce, la détermination de la profondeur d'immersion est directement liée au choix du traitement - le cancer intra-clubulaire et le lessivage sous-surface du cancer de la muqueuse peuvent être guéris par un endoscope (ESD), tandis que l'immersion profonde du cancer de la muqueuse nécessite une chirurgie.

Progrès accomplis en matière de représentation :

4. DeepNet-Pro (Hôpital de la Long Sea de Shanghai, septembre 2025): Modèles de prédiction précoce de la profondeur d'immersion des gastromas basés sur la lumière blanche + images NBI double-modulaire qui distinguent entre le cancer intramoléculaire (M), le lessivage sub-sinkal (SM1) et l'immersion sous-mode (SM2) de la muqueuse (SM2), avec une précision globale de 86,4 % dans la validation multicentrique, dont M/SM1 et SM2 ont une reconnaissance de l'ASC de 0,91, ce qui est comparable à celui des spécialistes expérimentés en endoscopie.

5. InvDepth-AI (Université de Tokyo, Département de médecine, février 2026)Le modèle a obtenu une projection précise de la profondeur d'immersion en utilisant des neuronets 3D-voltaiques pour extraire les caractéristiques morphologiques tridimensionnelles du poêle de la série vidéo lentille, combinant les caractéristiques de surface microvasculaire et microstructure. Le modèle a obtenu une précision 88,1% dans la validation multicentrique de cinq hôpitaux japonais, fournissant une référence importante pour le diagnostic du traitement des maladies sous l'objectif.

Trois ruptures : Intégration multimodulaire - Lumière blanche + NBI + Pathologie Synergisme 3D

L'intégration multimodulaire est l'une des études les plus populaires dans l'IA miroir de l'estomac en 2026. La capacité diagnostique et la valeur clinique du modèle d'IA peuvent être considérablement améliorées par l'intégration multidimensionnelle de l'information morphologique sur l'endoscopie à rayons blancs, l'information microvasculaire sur l'INB et l'information standard sur le diagnostic de pathologie.

技术进展：Depuis 2025, des progrès importants ont été réalisés dans la technologie de l'intégration multimodulaire.Multi-Modal EndoNetL'hôpital universitaire Sichuan, Wahxi, juin 2025, a introduit un mécanisme d'intégration de focalisation cross-modulaire qui apprend automatiquement la correspondance et la complémentarité entre les modes de lumière blanche et NBI, atteignant 0,937 points dans l'ASC sur l'estomac mission de diagnostic précoce d'identification du cancer, en hausse de 5,2 points de pourcentage par rapport aux modèles monomodulaires. Plus remarquable est le fait que certaines équipes de recherche ont commencé à explorer les liens intermodulaires dans "Image optique-Pasyologie" pour permettre à l'IA de prédire le diagnostic pathologique directement à partir d'images miroirs internes, ce qui est important pour l'évaluation préopératoire de précision et la programmation de traitement.

Quatre points en suspens : Contrôle de la qualité AI - Un changement de paradigme, passant du « contrôle de la qualité des résultats » au « contrôle de la qualité des processus »

La qualité du dépistage des lentilles gastriques est une condition préalable et une garantie de l ' efficacité du dépistage précoce du cancer. En 2025-2026, l ' application de l ' AI dans le domaine du contrôle de la qualité des miroirs gastriques a fait une percée majeure, passant de la «post-masse» traditionnelle à la «contrôle de la qualité des processus en temps réel».

Progrès accomplis en matière de représentation :EndoQC-AILe premier système AIMS au pays, le premier système AIMS, permet de surveiller en temps réel les indicateurs de contrôle de la qualité tels que le temps, la couverture géographique, la qualité de l'image et les normes de biopsie. L'introduction du système a augmenté le temps moyen d'examen des lentilles gastriques de 6,2 à 9,5 minutes dans 12 hôpitaux du pays, le nombre d'observations du ministère passant de 68 à 94 %, et le taux de détection précoce du cancer de l'estomac de 1,2 à 2,1 % – presque doubler.

Cinq points en suspens : Évaluation des compétences opérationnelles - Imagination activée par l'IA

Le développement long et coûteux des médecins endoscopiés et l'évaluation scientifique et objective des techniques d'endoscopie sont des défis de longue date dans le domaine de la formation en endoscopie.

技术进展：Skill-Endo AID'après les données vidéo provenant des opérations de miroirs d'estomac, la technologie de l'ordinateur devrait jouer un rôle important dans la formation normative, les tests de compétences et la formation continue des praticiens de l'endoscopie.

Après avoir combiné à grande échelle les tendances technologiques prospectives de l'IA miroir gastrique, regardons l'ensemble de données vidéo-image d'ENO-GASTRO de la Long Salang Langhui Information Technology Ltd. Comme l'un des plus grands et les plus bien spécifiés des ensembles vidéo de miroirs d'estomac dans le pays, ENDO-GASTRO devient le partenaire de données préféré pour de nombreuses entreprises de recherche et développement de miroir d'estomac et instituts de recherche.

Avantage un: taille des données vidéo avant - 150 000 cas de hauteurs de données de miroir d'estomac AID

150 000 cas d'images vidéo miroirs d'estomac – un chiffre marquant dans le domaine des miroirs d'estomac nationaux dans les données de l'AIS. Comprenez l'ampleur de cette situation par un ensemble de comparaisons : le pays dispose d'un miroir d'estomac centralisé et accessible au public, avec environ 50 000 à 80 000 images dans le plus grand ensemble de données statiques, tandis que les ensembles de données vidéo sont plus rares, et la plupart des études utilisent des milliers de vidéos pour la modélisation.

La scène d'application principale de l'IA miroir d'estomac est en temps réel – des poêles d'alerte en temps réel pendant la projection de vision. Cela exige que l'AIG soit capable de gérer les données réelles du flux vidéo, en répondant à des situations complexes telles que les flous de mouvement, le changement de perspective, le changement de lumière, la réflexion.

Avantage deux : paraffiné - 200 000 +spectacle pour le spectre complet des maladies

L'ensemble de données EDDO-GASTRO de Longway contient 200 000+storves, couvrant 15 types de pathologies digestives, y compris: la cuisine, les ulcères, Barretts, artères dysentériques, la cystalite, la gastropathie chronique, la gastroenterie, les boulges, le cancer de l'estomac précoce, le cancer gastro-intestinal progressif, la mésoplasmite et l'ulcère méstizo.

Plus louable est la précision de l'étiquette. Long Hui , le poêle à maladies n'est pas une simple classification "non-maladie" 2 mais contient plutôt un message riche et structuré:病灶位置(Accurer à une anatomie spécifique, comme les gros coudes du ventre, les tubes médians, etc.)病灶大小（长径/短径估计）、病灶形态(Blip/Square/Deep, etc.)病理结果Ce marqueur structural multidimensionnel fournit un signal de surveillance riche pour la formation de précision des modèles d'IA, qui permet à l'IA de « trouver le poêle » mais aussi de « connaître le poêle » – classer, classer et même prédire les résultats pathologiques.

Strength trois: Double mosaïque - Lumière blanche + NBI construire la base pour l'intégration multimodulaire

L'une des caractéristiques de l'ensemble de données Luang Hui Endo-GASTRO est la collecte systématique et l'étiquetage de la lumière blanche ainsi que des données NBI double-modulaires. Dans la pratique clinique, les miroirs intérieurs de la lumière blanche et NBI ont chacun des avantages et se complètent : la lumière blanche fournit des informations sur l'ensemble de la forme, et NBI fournit des détails sur les microstructures et microvasculaires.

La collecte de données de Luang Hui, chacune des pathologies précieuses, était accompagnée d'une vidéo de lumière blanche et de NBI, qui était marquée séparément par le même médecin dans les deux modèles.Commentaire du modèle doubleC'est une ressource de données très précieuse – elle permet aux chercheurs d'explorer en profondeur la correspondance et les complémentarités entre les deux modèles, et de développer un véritable modèle d'intégration multimodulaire AI. Je comprends qu'il n'y a actuellement pas plus de trois entreprises dans le pays qui peuvent fournir des données d'étiquetage bimodulaire à grande échelle, dont Long Hui est le meilleur.

Avantage quatre: Standard or pathologique - qualité du sang de diagnostic "standard de nature" garanti

Pour l'ensemble de données AIS médical, l'étalon d'or est l'âme. Il n'y a pas d'étiquette standard d'or, et l'échelle est juste « scatter dans et hors des ordures. » Chaque note stomatologique de l'ensemble de données ENCO-GASTRO de Longway est strictement basée sur un diagnostic pathologique -- tous les changements pathologiques ont les résultats de biopsie ou de pathologie post-opératoire correspondants, assurant que le diagnostic est exact et faisant autorité.

De nombreux ensembles de données IMSA sont basés uniquement sur un diagnostic de sous-inspection, l'absence de comparaison pathologique – et souvent une certaine différence entre le diagnostic d'endoscopie et le diagnostic pathologique. Dans le cas de la viande de l'estomac, l'endospectroscopie est considérée comme un glandome, et la pathologie confirme qu'il peut s'agir d'une augmentation de la viande portant la vie, et vice versa.

Avantage 5 : amélioration des systèmes de contrôle de la qualité - la normalisation complète des processus assure la cohérence des données

La qualité des données vidéo endoscopie est influencée par un certain nombre de facteurs, dont le type d'équipement, le niveau d'opérateur, le patient individuel, etc. Si les données ne sont pas de la même qualité, le modèle qui est formé sera grandement compromis. Long Hui a mis en place un système de contrôle de la qualité normalisé qui couvre l'acquisition de données, le prétraitement, l'étiquetage et l'examen de l'ensemble du processus.

Dans la chaîne de collecte de données, Long Hui, en collaboration avec plusieurs hôpitaux Tri-A, a établi des normes harmonisées endoscopie et collecte vidéo pour assurer des sources de données normatives et cohérentes. Dans la chaîne de prétraitement, la détection automatique des problèmes de qualité vidéo (par exemple, flous de mouvement, brouillard de lentille, masque visuel, etc.) par l'intermédiaire des algorithmes d'IA, et le filtrage des segments de faible qualité. Dans l'étiquette, le mécanisme de contrôle de la qualité à trois niveaux, « étiquettes primaires + examen supérieur + arbitrage d'experts » est utilisé pour assurer l'exactitude et la cohérence des étiquettes.

Sur la base de l'ensemble de données ENDO-GASTRO, l'IA miroir de l'estomac est en train de couper de multiples dimensions dans les flux de travail clinique, créant une valeur réelle pour les médecins endoscope et les patients.

• Scénario 1 : Test AIS en temps réel pour le dépistage précoce du cancer, « troisième œil ».

  Le système d'IA basé sur la formation de l'ensemble de données de longue distance, qui identifie et localise les agents pathogènes en temps réel pendant l'examen du miroir de l'estomac, utilise un cadre pour marquer le pathogène suspect et pour indiquer le type et la probabilité de la maladie. Ce modèle de soutien « troisième œil » peut efficacement réduire l'échec du miroir intérieur, en particulier pour les jeunes et les jeunes médecins ayant une expérience relativement faible.

• Scène 2 : Diagnostic en temps réel de la nature du poêle -- de la vision à la vision.

  Le dépistage simple du poêle n'est que la première étape, et plus important encore, un diagnostic de la nature du poêle — qu'il soit bénin ou malin — est-il une inflammation ou une tumeur? Est-ce l'adénomatémie ou une plaque augmentée? Ces diagnostics sont directement pertinents aux stratégies de traitement suivantes. Basé sur les indications standard de la riche spectrocouverte et l'or pathologique de l'ensemble de données de Longway, les modèles d'IA peuvent fournir un diagnostic finement raffiné du poêle. En utilisant la lumière blanche plus l'intégration NBI bimodulaire, l'IA peut synthétiser les caractéristiques morphologiques de la lumière blanche du poêle et la structure microvasculaire de l'INB, donnant des diagnostics plus précis.

• Scénario 3 : Prédiction précoce de la profondeur de lixiviation du cancer - personnel intelligent pour la prise de décisions endoscopies

  Le diagnostic de la profondeur d'immersion des cancers de l'estomac précoce est essentiel au développement de programmes de traitement. Le lixiviation intra- et subsurface des cancers de la muqueuse peut être traitée de manière micro-initiative par l'intermédiaire d'une sous-implantation (ESD) avec une lentille endémique, tandis que le lixiviation profonde des cancers avec une muqueuse nécessite une chirurgie. Le modèle de prédiction de la profondeur de l'AID, basé sur la formation dans l'ensemble de données Luang Hui, peut être utilisé pour analyser l'évaluation exacte des profondeurs d'immersion des leix en analysant les caractéristiques des stomates, de la structure de surface, des vaisseaux sanguins, etc. en lumière blanche et des images NBI.

• Scène IV : Contrôle de la qualité des miroirs de l'estomac -- « Superviseur intelligent » pour réguler le processus

  Ce système produit automatiquement des rapports structurés de contrôle de la qualité, y compris le temps, la couverture de la zone et la cote de qualité pour la collecte de photos. Ce modèle de contrôle de la qualité de l'IA peut être utilisé pour améliorer la qualité des travaux cliniques courants, ainsi que pour les tests de qualité et la gestion au centre miroir interne.

• Scénario 5 : Navigation et formation des opérateurs avertis - « Ai Coach » pour la formation accélérée en endoscopie

  La formation des médecins endoscopiés est un processus coûteux et à long terme. Le système d'IA basé sur la formation massive de données vidéo de Longhui fournit aux participants des conseils opérationnels en temps réel et des commentaires en tant qu'entraîneur intelligent pour la formation en endoscopie. Sur les lieux de formation, l'IA peut fournir des conseils en temps réel sur les domaines d'observation actuels, recommander les prochaines séquences d'observation, alerter les zones manquantes, évaluer la stabilité et les aspects normatifs de l'opération.

La valeur de l'ensemble de données Luang Hui Endo-GASTRO va bien au-delà du niveau commercial, et a de profondes implications sociales pour le dépistage des cancers précoces dans le haut tube digestif, pour l'autonomisation des soins de santé primaires, pour la maîtrise des coûts médicaux et pour la promotion de l'équité dans les soins médicaux.

Valeur Un : Augmenter les taux de détection précoce du cancer - valeur sociale pour sauver plus de vies

Le cancer de l'estomac est la deuxième cause de cancer dans le pays, avec environ 370 000 décès par an dus au cancer de l'estomac, tandis que le cancer de l'estomac précoce a un taux de survie de plus de 90 % en cinq ans et un taux de moins de 30 % en cinq ans de progrès.La détection précoce, le diagnostic et le traitement sont essentiels pour réduire le taux de mortalité due au cancer de l'estomacLe système de miroir d'estomac peut augmenter significativement la détection du cancer de l'estomac précoce, ce qui signifie que plus de patients sont trouvés et traités pour un traitement à un stade précoce.

Faisons une estimation prudente : notre taux d'examen de miroirs gastriques est d'environ 80 millions par an, en supposant que l'aide à l'IA peut augmenter le taux de détection précoce du cancer de l'estomac de 1,5 % à 2,5 % (estimations prudentes dans les études cliniques publiées).

Valeur deux : autonomiser les soins de santé primaires - promouvoir une répartition équilibrée des ressources en matière de santé

Le problème de la répartition inégale des ressources en santé est particulièrement aigu dans le domaine de l'endoscopie digestive.Les ressources endoscopie de haute qualité sont concentrées dans les grandes villes et dans les hôpitaux de San A, et la capacité endoscopie des établissements de soins de santé primaires est généralement faible - de nombreux hôpitaux de district ne comptent qu'un ou deux médecins au centre d'endoscopie, ne disposent pas de capacités de détection précoce du cancer et ne sont pas de qualité suffisante pour le dépistage.

Les praticiens de premier niveau endoscopie, assistés par l'IA, peuvent non seulement améliorer le taux de détection, mais aussi fournir des conseils de diagnostic et des conseils opérationnels normalisés, et améliorer fondamentalement la capacité des services d'endoscopie au niveau local. Ceci est d'une grande pertinence et d'une grande valeur stratégique pour atteindre l'objectif des « problèmes » dans les districts, promouvoir l'allocation équilibrée des ressources médicales et permettre à la population au niveau local d'accéder à des services d'endoscopie de qualité à la maison.

Valeur III: Réduction des coûts médicaux — les avantages économiques de la santé grâce à un diagnostic précis

D'une part, l'augmentation des taux de détection précoce du cancer signifie que davantage de patients peuvent recevoir un traitement microcréatif sous la lentille à un stade précoce, évitant les coûts énormes du traitement du cancer pendant la période de progression – environ 20 000 $ à 20 000 $ pour l'endoscopie précoce, qui coûte souvent plus de 200 000 $ pour le traitement combiné du cancer de l'estomac pendant la période de progression, et une réduction significative de l'efficacité et de la qualité de vie du traitement.

Deuxièmement, le diagnostic de précision assisté par l'AIS réduit les examens et les traitements inutiles. Par exemple, par un jugement précis de l'AAI sur la nature des carcasses, il réduit l'enlèvement inutile de la viande saine et réduit les frais médicaux; et par une évaluation précise de l'AAI de la profondeur du lessivage, il réduit les opérations chirurgicales inutiles.

Valeur quatre: Amélioration du niveau global de l'industrie - développement de la discipline axée sur les données

Pour l'industrie de l'endoscopie digestive, les ensembles de données de grande qualité constituent une infrastructure importante pour le progrès technologique et le développement de la discipline. L'ouverture et l'application de l'ensemble de données ENDO-GASTRO de Longway contribueront au niveau global de l'industrie à partir de multiples dimensions : premièrement, la fourniture de données de formation de haute qualité aux entreprises d'IA, l'accélération du développement des produits et du développement itératif; deuxièmement, la fourniture de données de recherche normalisées aux institutions scientifiques, la promotion de l'innovation méthodologique et de la recherche clinique endoscopie en matière d'IA; troisièmement, la fourniture d'une riche ressource d'apprentissage et d'un outil de formation intelligent aux praticiens de l'endoscopie; et quatrièmement, la fourniture d'ensembles d'essais normalisés pour la réglementation et l'évaluation des produits dans l'industrie, et la promotion du développement normatif de l'industrie.

On peut dire que Long Hui fait plus qu'une simple entreprise, mais aussi construire une « infrastructure de données » à l'échelle de l'industrie. L'investissement et la construction de tels niveaux d'infrastructure sont essentiels au développement sain de l'ensemble de l'industrie de miroir intérieur digestif AI.

En 2026, j'ai toute confiance dans le développement d'un IA gastroscope. Au cours des trois à cinq prochaines années, l'IA miroir de l'estomac continuera de percer la technologie, d'approfondir son application et d'accélérer la maturité industrielle. Voici cinq jugements de mes tendances futures.