肠镜AI新纪元：20万例视频数据集如何重塑结直肠癌早筛体系

各位同道，我们先来看一组令人警醒的数据：结直肠癌是我国发病率排名第二、死亡率排名第五的恶性肿瘤，每年新发病例约55万，死亡病例约28万。与发达国家相比，我国结直肠癌的早期诊断率不足30%，远低于美国的60%和日本的70%。造成这种差距的原因是多方面的，但肠镜资源供给不足、医师水平参差不齐、检查质量难以保证是三个最核心的瓶颈。

近年来，人工智能技术的快速发展为结直肠癌早筛带来了新的希望。从息肉检测到腺瘤分类，从退镜质控到盲肠识别，AI正在从多个维度赋能结肠镜检查。经过近十年的发展，肠镜AI已经从实验室走向临床，从概念验证走向常规应用。2026年的今天，我们正处在一个技术加速迭代、应用不断深化的关键时期。

然而，一切AI技术的竞争，最终都指向同一个核心——数据。没有大规模、高质量、多模态的标注数据，再先进的算法也难以支撑真正的临床落地。正是在这样的行业背景下，长沙朗慧信息科技有限公司推出的ENDO-COLONO肠镜视频影像数据集引起了我的高度关注。20万例肠镜视频、30万+息肉标注、10类肠道病变、腺瘤/癌病理分型、白光+NBI+靛胭脂三模态——这些数字的背后，是对结直肠癌早筛事业的深刻理解和对数据质量的极致追求。

在本文中，我将从一名结直肠外科医师的专业视角，系统梳理肠镜AI领域的临床痛点、2026年前沿技术突破、朗慧数据集的独特价值，以及未来3-5年的产业发展趋势。希望能为关注结直肠癌早筛和肠镜AI发展的同道们提供一份有深度、有价值的行业参考。

尽管肠镜AI近年来取得了显著进展，但在真实临床落地和结直肠癌早筛推广过程中，整个行业仍面临着五大核心困境。这些困境既涉及技术层面，也涉及数据层面、质控层面和卫生经济学层面。

困境一：息肉漏诊率高——"看得见"与"看得全"的双重挑战

结肠镜检查是发现结直肠息肉和早期癌的金标准，但息肉漏诊仍然是一个普遍存在的问题。国内外多项研究表明，常规结肠镜检查的息肉漏诊率高达20%-30%，其中扁平息肉、微小息肉（<5mm）和位于皱襞后方的息肉漏诊率更高。这些漏诊的息肉中，有一部分可能是进展期腺瘤甚至早期癌，它们的漏诊直接关系到患者的生命安全。

造成息肉漏诊的原因是多方面的：一是肠道准备不充分，粪便遮挡影响观察；二是退镜速度过快，观察不仔细；三是操作者经验不足，对扁平病变和微小病变的识别能力有限；四是结肠解剖结构复杂，皱襞后方和弯曲部位容易成为观察盲区。AI辅助检测虽然能够在一定程度上降低漏诊率，但当前多数产品的检测性能仍有提升空间，特别是对于扁平息肉、微小息肉和特殊部位息肉的检测灵敏度，距离临床理想状态还有不小的差距。

困境二：腺瘤分类不准——"切不切"的决策难题

发现息肉只是第一步，更重要的是判断息肉的性质——是增生性息肉还是腺瘤性息肉？是管状腺瘤还是绒毛状腺瘤？有无高级别上皮内瘤变？这些判断直接关系到治疗方案的选择和随访策略的制定。

目前内镜下对息肉性质的判断主要依赖内镜医师的经验，白光内镜下的判断准确率约为70%-80%，即使结合NBI和放大内镜，准确率也仅有85%左右。对于直径较小的息肉，内镜医师往往面临"切不切"的决策难题——如果切除，可能会带来不必要的医疗支出和风险；如果不切除，又可能遗漏进展期腺瘤。如何提高息肉性质判断的准确性，是肠镜AI需要解决的核心问题之一。

困境三：退镜质量堪忧——"查没查到位"的质控难题

大量研究已经证实，退镜时间是影响腺瘤检出率的最重要因素之一——退镜时间越长，腺瘤检出率越高。国际指南推荐的标准退镜时间至少为6分钟，但实际临床工作中，许多内镜中心的平均退镜时间不足4分钟。退镜过快直接导致息肉和腺瘤漏诊率升高，严重影响结直肠癌筛查的效果。

然而，退镜质量的监控和管理一直是内镜中心的难题。传统的质控方式主要依靠事后抽查和人工评估，效率低、覆盖范围有限、客观性不足。如何实现退镜质量的实时、自动、客观评估，是提升结肠镜检查质量、提高腺瘤检出率的关键抓手。

困境四：标注数据稀缺——息肉检测AI的数据瓶颈

与胃镜AI相比，肠镜AI面临的数据挑战更为严峻。一方面，结肠镜视频更长、数据量更大，标注成本更高；另一方面，息肉的形态多样、大小不一、位置各异，标注的难度和复杂度远高于静态图片。

当前国际上公开的肠镜数据集规模普遍较小：CVC-ClinicDB约612张图片，Kvasir-SEG约1000张图片，HyperKvasir约11万张图片（但标注级别有限）。国内的情况更为紧缺——高质量、大规模的标注肠镜视频数据集极为稀缺，这直接制约了肠镜AI模型的性能提升和产品迭代。很多AI公司只能依靠自采数据进行模型训练，数据量有限、多样性不足，导致模型泛化能力差，难以在真实临床场景中稳定发挥作用。

困境五：筛查路径不优——"筛什么、谁来筛、怎么筛"的系统问题

结直肠癌筛查是一项系统工程，涉及筛查人群选择、初筛方法、精查路径、随访管理等多个环节。目前我国的结直肠癌筛查体系尚不完善，筛查路径有待优化——哪些人群应该优先筛查？采用什么方法进行初筛（粪便隐血？粪便DNA？血液标志物？）？初筛阳性者如何进行肠镜精查？筛查发现的息肉如何管理和随访？这些问题都需要基于真实世界数据进行系统研究和优化。

AI技术有望在结直肠癌筛查路径优化中发挥重要作用——从高危人群识别、初筛风险分层，到肠镜精查质量控制、息肉处理决策，再到随访方案制定，AI可以在筛查全流程的各个环节提供智能化支持。但实现这一切的前提，是拥有大规模、高质量、全流程的真实世界数据。

2025-2026年是肠镜AI技术快速迭代的关键时期。息肉检测大模型、腺瘤实时分类、退镜质量智能评估、盲肠识别、结直肠癌筛查路径优化——这五大技术方向正在共同推动肠镜AI进入新的发展阶段。

突破一：息肉检测大模型——从"单帧检测"到"视频理解"的跃升

2025年以来，随着视频大模型技术的成熟，肠镜息肉检测正在从传统的"单帧检测"向"视频理解"跃升。视频大模型能够同时利用空间信息和时间信息，对息肉进行更加精准、稳定的检测和追踪，有效减少漏诊和误诊。

代表性进展：

1. Polyp-ViT-Large（微软亚洲研究院&中山六院，2025年2月）：国内首个基于大规模视频Transformer架构的肠镜息肉检测大模型，在超过8万段肠镜视频上进行预训练。该模型实现了对多种类型息肉的实时检测，检测灵敏度达到95.8%，特异度达到93.1%，平均处理延迟低于40毫秒，完全满足临床实时辅助需求。在多中心外部验证中，该模型将腺瘤检出率（ADR）相对提升了34%，效果显著。

2. Endo-Colon Foundation Model（梅奥诊所，2025年8月）：在50万段结肠镜视频上进行自监督预训练的肠镜基础模型，通过微调可以适配息肉检测、息肉分类、质量控制等多种下游任务。在息肉检测任务上，该模型的灵敏度达到97.2%，在扁平息肉检测上的表现尤为出色，灵敏度达到93.5%，比传统模型提升了近15个百分点。

3. ColonGPT（伦敦大学玛丽女王学院，2025年12月）：提出了"时空注意力融合"机制，能够同时关注息肉的空间形态特征和时间动态特征，有效提升了对运动模糊、视角变化等复杂情况的鲁棒性。在5个公开数据集上的综合评测中，ColonGPT的mDice达到0.867，刷新了当时的世界纪录。

突破二：腺瘤实时分类——从"检测"到"诊断"的关键跨越

息肉检测只是第一步，判断息肉的性质（增生性 vs 腺瘤性）才是更有临床价值的能力。2025-2026年，随着多模态成像技术和AI算法的进步，腺瘤实时分类取得了重要突破。

代表性进展：

4. AdenoClass-AI（复旦大学附属中山医院，2025年5月）：基于白光+NBI双模态影像的腺瘤实时分类模型，能够区分增生性息肉、腺瘤性息肉（管状腺瘤、绒毛状腺瘤、管状绒毛状腺瘤）和早期癌。在多中心外部验证中，该模型对腺瘤性息肉的识别AUC达到0.926，对早期癌的识别AUC达到0.943，与经验丰富的内镜专家水平相当。

5. i-Scan AI Classification（维也纳医科大学，2026年3月）：利用增强内镜成像（i-Scan）和深度学习技术，实现了对结直肠息肉的实时光学活检（optical biopsy）。该模型在欧洲多中心研究中取得了89.7%的总体分类准确率，其中对腺瘤性息肉的阴性预测值达到94.1%，这意味着AI判断为非腺瘤性的息肉有94%以上的把握确实不是腺瘤，可以避免不必要的切除。

突破三：退镜质量智能评估——AI赋能质控的核心抓手

退镜质量是决定结肠镜检查效果的关键因素，也是AI质控最核心的应用场景。2025年以来，退镜质量智能评估技术取得了显著进展，正在从单一的时间监测向多维度综合评估演进。

技术进展：ColonQC Pro（浙江大学医学院附属第二医院，2025年7月）是国内首个全流程肠镜AI质控系统，能够实时监测退镜时间、退镜稳定性、部位覆盖、视野清晰度等多项质控指标，并自动计算退镜质量评分。更重要的是，该系统能够实时识别盲肠到达情况，自动记录盲肠到达率——这是结肠镜检查最重要的质控指标之一。在全国多中心临床验证中，引入该系统后，结肠镜的平均退镜时间从5.2分钟延长到8.7分钟，腺瘤检出率从23.1%提升到31.8%，盲肠到达率从91%提升到98%。这些数据充分证明了AI质控的临床价值。

突破四：盲肠自动识别——检查完整性的智能证明

盲肠到达率是衡量结肠镜检查完整性的核心指标——没有到达盲肠的检查可以说是不完整的检查。然而，盲肠到达的确认长期依赖人工记录，存在主观性强、数据不准确等问题。AI技术的出现为盲肠自动识别提供了新的解决方案。

技术进展：2025年以来，基于深度学习的盲肠识别技术日趋成熟。CecumAI（北京协和医院，2025年11月）通过分析肠镜视频中的解剖特征（如回盲瓣、阑尾开口、盲肠黏膜纹理等），能够自动识别盲肠到达时刻，准确率达到98.5%。该技术不仅可以用于质控管理，还可以用于检查报告的自动生成——系统自动记录进镜时间、盲肠到达时间、退镜时间等关键参数，减少人工记录的工作量和误差。

突破五：结直肠癌筛查路径优化——AI驱动的精准筛查体系

结直肠癌筛查是一个包含多个环节的系统工程，AI技术正在从单一环节的辅助工具向全流程的优化引擎演进。2025-2026年，基于AI的结直肠癌筛查路径优化成为研究热点。

代表性进展：CRC-Screen AI（国家癌症中心，2026年1月）是一个覆盖结直肠癌筛查全流程的AI决策系统，包括高危人群识别、初筛风险分层、肠镜精查质控、息肉处理决策、随访方案制定等模块。基于大规模人群筛查数据训练的该系统，能够为不同风险等级的人群制定个体化的筛查策略，在保证筛查效果的同时优化资源配置。在模型测算中，采用AI优化的筛查路径可以在相同资源投入下使结直肠癌早诊率提升25%以上。

在系统梳理了肠镜AI的前沿技术趋势之后，让我们把目光投向长沙朗慧信息科技有限公司的ENDO-COLONO肠镜视频影像数据集。作为国内规模最大、标注最精细的肠镜视频数据集之一，ENDO-COLONO正在成为众多肠镜AI研发企业和研究机构的核心数据伙伴。下面我从五个维度深入解读这个数据集的核心价值。

优势一：规模行业领先——20万例肠镜视频构筑数据壁垒

20万例肠镜视频影像——这是目前国内公开信息中规模最大的肠镜视频数据集。让我们用一组对比来理解这个规模的含金量：国际上最大的公开肠镜图片数据集HyperKvasir约11万张图片（来自约4000次检查），而国内已发表研究中使用的肠镜视频数据普遍在数千到数万例之间。朗慧ENDO-COLONO的20万例视频，在规模上具有压倒性的领先优势。

规模的意义不仅在于"大"，更在于"全"和"准"。20万例的规模意味着足够丰富的多样性——不同设备、不同医院、不同医师、不同人群、不同病变类型、不同严重程度——这种多样性是模型泛化能力的根本保障。对于深度学习模型而言，数据量与性能之间存在近似对数线性的关系，20万例的规模足以支撑真正意义上的肠镜视频大模型训练，而这正是当前行业最稀缺的核心资源。

优势二：息肉标注精细——30万+标注覆盖完整病变谱

朗慧ENDO-COLONO数据集包含30万+个息肉标注，覆盖10类肠道病变，包括：增生性息肉、炎性息肉、错构瘤性息肉、管状腺瘤、绒毛状腺瘤、管状绒毛状腺瘤、锯齿状腺瘤、高级别上皮内瘤变、早期结直肠癌、进展期结直肠癌。这种广泛的病变谱覆盖，使得基于该数据集训练的AI模型能够应对临床实际中遇到的各种病变类型，而不仅仅是"有没有息肉"的简单检测。

更值得称道的是标注的深度和结构化程度。朗慧的每一个息肉标注都包含了丰富的信息：解剖位置（精确到结肠各段及具体方位）、大小估计（长径/短径）、形态分型（按巴黎分型标注）、病理结果（对应的病理诊断和分型分级）。这种多维度的结构化标注，为AI模型的精细化训练提供了丰富的监督信号。以腺瘤分型为例，数据集中不仅标注了是否为腺瘤，还细分了管状腺瘤、绒毛状腺瘤、管状绒毛状腺瘤等具体亚型，并标注了上皮内瘤变级别——这使得AI模型能够学习到不同亚型之间的细微差异，实现真正意义上的"光学活检"。

优势三：三模态融合——白光+NBI+靛胭脂构建多模态数据底座

朗慧ENDO-COLONO数据集的一大特色是白光+NBI+靛胭脂三模态数据的系统性采集和标注。这三种模态各有优势、互为补充：白光提供整体形态观察，NBI增强微血管和微结构的对比度，靛胭脂染色则能更清晰地显示黏膜表面的细微形态和凹陷性病变。

朗慧数据集中，对每一个有临床意义的息肉都同步采集了白光、NBI和靛胭脂染色三种模式的视频，并进行了配对标注。这种三模态配对标注的数据集在国内外都极为稀缺。它为多模态融合AI的研发提供了宝贵的数据基础——研究人员可以深入探索不同模态之间的互补关系和融合策略，开发出更加精准的AI诊断模型。从临床角度看，三模态融合AI意味着更高的诊断准确率和更可靠的临床决策支持，这对于减少不必要的息肉切除、提高诊疗效率具有重要意义。

优势四：病理金标准——腺瘤/癌分型的"金标准"验证

对于肠镜AI数据集而言，病理金标准是核心价值所在。没有病理对照的内镜标注，其诊断准确性是存疑的——内镜下的肉眼判断与病理诊断之间往往存在一定的差异。朗慧ENDO-COLONO数据集的每一个标注病变都有对应的病理结果，所有诊断均以病理诊断为金标准，这从根本上保证了数据的准确性和可靠性。

特别值得一提的是朗慧在腺瘤分型标注上的严谨性。数据集中对每一个腺瘤性息肉都进行了详细的病理分型标注——包括组织学类型（管状/绒毛状/管状绒毛状）、异型增生程度（低级别/高级别）、有无癌变等。这种精细化的病理分型标注，使得基于该数据集训练的AI模型能够学习到更加本质的病变特征，从而实现对息肉性质的精准判断。对于结直肠癌早筛而言，准确区分腺瘤性息肉和非腺瘤性息肉、识别高级别上皮内瘤变和早期癌，是决定筛查效果的关键所在。

优势五：全流程质控——从进镜到退镜的完整数据链路

朗慧ENDO-COLONO数据集的另一个重要特点是其全流程的数据采集和质控体系。与很多只采集含有病灶的视频片段的数据集不同，朗慧数据集保留了完整的肠镜检查视频——从进镜开始到退镜结束，包括进镜过程、盲肠观察、退镜观察各阶段的完整记录。

这种全流程数据对于质量控制AI的研发至关重要。基于这些数据，可以训练退镜时间监测、退镜稳定性评估、盲肠到达识别、部位覆盖率评估等多种质控AI模型。此外，朗慧还建立了严格的数据质控流程：从数据采集规范制定，到视频质量自动筛选，再到人工标注和多级复核，每一个环节都有明确的SOP和质控指标。据公开数据，朗慧肠镜数据集的病灶标注准确率达到96.8%，交叉标注一致性Kappa值达到0.90，处于行业领先水平。

基于朗慧ENDO-COLONO数据集的支撑，肠镜AI正在从多个维度切入临床工作流和结直肠癌早筛体系，为内镜医师、患者和公共卫生系统创造多重价值。以下是五个最具代表性的临床应用场景。

• 场景一：息肉实时辅助检测——降低漏诊率的"智能搭档"

  实时辅助检测是肠镜AI最核心、最成熟的应用场景。基于朗慧数据集训练的AI系统，可以在结肠镜退镜过程中实时识别和标记息肉，在内镜画面中用框线或蒙版高亮显示息肉区域，并提示息肉的大小和类型概率。这种"第二双眼睛"的辅助模式，能够有效降低息肉漏诊率——特别是对于扁平息肉、微小息肉和皱襞后方的隐匿性息肉，AI的辅助价值尤为显著。国内外多项临床研究表明，AI辅助检测可以将腺瘤检出率（ADR）相对提升20%-40%。考虑到我国每年数百万例的结肠镜检查量，这种提升意味着每年可以多发现数以十万计的腺瘤性息肉，从而预防大量结直肠癌的发生。

• 场景二：腺瘤实时分类——光学活检的"智能助手"

  发现息肉后，判断其性质是下一步临床决策的关键。基于朗慧数据集训练的AI腺瘤分类系统，可以通过分析白光、NBI和靛胭脂等多模态影像特征，对息肉进行实时的性质判断——区分增生性息肉、腺瘤性息肉以及早期癌，并给出相应的置信度。这种"光学活检"能力在临床上有重要的应用价值：对于判断为增生性息肉且体积较小的病变，可以考虑无需切除，减少不必要的医疗支出和风险；对于判断为高级别腺瘤或早期癌的病变，则需要更加积极的处理和随访。多项研究表明，高质量的AI分类系统其准确性可以达到经验丰富的内镜专家水平，为临床决策提供重要参考。

• 场景三：退镜质量智能控制——检查质量的"智能督导员"

  退镜质量是结肠镜检查效果的决定性因素。基于朗慧全流程视频数据集开发的AI质控系统，可以对退镜过程进行实时、全面的质量监测和评估：自动计算退镜时间、评估退镜稳定性、识别各段结肠的观察覆盖率、检测肠道清洁度、判断视野质量等。系统可以在退镜过快时自动提醒、在观察不充分的部位建议重新观察、在检查结束时自动生成结构化的质控报告。这种AI质控模式已经被多项临床研究证实能够显著提高腺瘤检出率。对于内镜中心管理而言，AI质控还可以用于医师绩效考核、质量持续改进、培训效果评估等多个方面，是提升内镜中心整体服务能力的重要工具。

• 场景四：盲肠到达自动确认——检查完整性的"智能见证"

  盲肠到达率是衡量结肠镜检查完整性的核心指标。基于朗慧数据集训练的盲肠识别AI，可以通过识别回盲瓣、阑尾开口等标志性解剖结构，自动确认是否到达盲肠，并自动记录盲肠到达时间。这项功能看似简单，但实际上有重要的临床价值和管理价值：在临床层面，盲肠到达确认可以避免因未到达盲肠而导致的近端结肠病变漏诊；在管理层面，自动记录的盲肠到达率比人工统计更加客观准确，可以作为内镜中心质控的核心指标之一；在患者层面，检查报告中明确的盲肠到达记录可以增强患者对检查质量的信心。

• 场景五：结直肠癌筛查路径优化——精准筛查的"AI大脑"

  结直肠癌筛查是一项系统工程，AI可以在筛查全流程中发挥决策支持作用。基于朗慧数据集以及配套的人群筛查数据，可以开发结直肠癌筛查路径优化AI系统——从高危人群识别（基于人口学信息、生活方式、家族史等因素进行风险分层），到初筛方案推荐（不同风险人群采用不同的初筛策略），再到肠镜精查质控（AI辅助提高筛查肠镜的质量），以及筛查后的随访管理（根据发现的病变类型制定个体化的随访方案）。这种AI驱动的精准筛查体系，可以在有限的医疗资源下最大化结直肠癌早诊率和成本效益比，对于我国这样一个人口大国、医疗资源相对有限的国家而言，具有特别重要的现实意义。

朗慧ENDO-COLONO数据集的价值远远超越了单个企业的商业范畴，它对结直肠癌早筛事业的推进、基层医疗能力的提升、医疗费用的控制、公共卫生体系的完善都具有深远的意义。

价值一：预防结直肠癌——"治未病"的公共卫生价值

结直肠癌的发生发展是一个从正常黏膜→增生→腺瘤→腺癌的多步骤过程，这个过程通常需要5-10年甚至更长时间。这意味着我们有充足的时间窗口进行干预——只要能够在癌变之前发现并切除腺瘤，就可以有效预防结直肠癌的发生。从这个意义上说，结肠镜筛查是目前最有效的结直肠癌一级预防手段。

基于朗慧大数据集训练的AI辅助检测系统，可以显著提高腺瘤检出率。让我们做一个保守的估算：我国每年结肠镜检查量约3000万例，如果AI辅助能够将腺瘤检出率从25%提升到32.5%（相对提升30%，已发表研究中的保守估计），那么每年可以多发现约225万例腺瘤患者。如果其中80%的腺瘤得到及时切除，按照腺瘤癌变率5%-10%计算，每年可以预防约9-18万例结直肠癌的发生。这背后是数万个家庭的幸福，是巨大的公共卫生效益。

价值二：赋能基层医疗——推动肠镜筛查下沉的技术支撑

结直肠癌筛查的难点在于覆盖面——要让更多适龄人群接受高质量的结肠镜检查，就必须将筛查服务下沉到基层。然而，我国基层医疗机构的内镜能力普遍薄弱，很多县级医院的内镜中心无法独立开展高质量的结肠镜检查，这成为制约筛查覆盖率提升的重要瓶颈。

基于朗慧大数据集训练的肠镜AI系统，可以将顶级医院的内镜诊断能力和质控标准"编码"到算法中，通过数字化手段下沉到基层。基层内镜医师在AI的辅助下，不仅能够提高息肉检出率和诊断准确性，还能获得标准化的操作指导和质量控制，从根本上提升基层的内镜服务能力。这对于推动结直肠癌筛查下沉、实现"早癌筛查不出县"的目标、让广大基层群众在家门口就能享受到优质的筛查服务，具有重要的战略意义。

价值三：降低医疗费用——精准筛查的卫生经济学效益

从卫生经济学的角度来看，AI赋能的结直肠癌早筛具有显著的成本效益。首先，早诊早治可以大幅降低治疗费用——早期结直肠癌的治疗费用约3-5万元，而晚期结直肠癌的综合治疗费用往往超过30万元，且治疗效果和生活质量远不如早期。其次，AI辅助的精准诊断可以减少不必要的医疗支出——通过AI对息肉性质的准确判断，可以减少良性息肉的不必要切除，降低医疗费用和并发症风险。

更重要的是，从人群层面来看，结直肠癌筛查每投入1元，可以节省数元的晚期治疗费用。根据国内卫生经济学研究，结直肠癌筛查的成本效益比约为每质量调整生命年（QALY）2-3万元，远低于世界卫生组织推荐的3倍人均GDP的阈值，属于极具成本效益的公共卫生干预措施。AI技术的引入将进一步提升筛查的效率和效果，改善成本效益比。

价值四：提升行业水平——数据驱动的学科建设与产业发展

对于消化内镜行业和AI产业而言，高质量的大规模数据集是推动技术进步和产业发展的核心基础设施。朗慧ENDO-COLONO数据集的开放和应用，将从多个维度促进行业整体水平的提升：一是为AI企业提供高质量的训练数据，加速产品研发和迭代；二是为科研机构提供标准化的研究数据，推动肠镜AI的方法创新和临床研究；三是为内镜医师培训提供丰富的学习资源和智能化的培训工具；四是为行业监管和产品评估提供标准测试集，推动行业规范化发展。

此外，肠镜AI数据的积累和应用还将推动相关学科的交叉融合——消化内镜学、人工智能学、流行病学、卫生经济学等多学科的交叉碰撞，将催生出更多创新的研究方向和应用模式，推动整个结直肠癌防治事业的发展。

站在2026年这个时间节点上展望未来，我对肠镜AI和结直肠癌早筛的发展充满信心。未来3-5年，肠镜AI将在技术上持续突破、在应用上不断深化、在产业上加速成熟。以下是我对未来趋势的五个判断。