Революция желудка A1: 150 000 наборов видеоданных реконструируют пищеварительный рисунок раннего секреции

Мы столкнулись с группой данных, вызывающих размышления: в Китае ежегодно регистрируется около 480 000 новых случаев рака желудка, что составляет более 40% новых случаев рака желудка во всем мире; однако уровень раннего выявления рака желудка составляет менее 20%, что намного ниже 70% в Японии и 50% в Южной Корее.Недостаточные ресурсы для эндоскопии, неравенство в раннем выявлении рака, неадекватные системы контроля качестваЭто три наиболее важных элемента.

К счастью, быстрое развитие искусственного интеллекта дает нам возможность нарушать правила. От первой концептуальной проверки системы обнаружения с помощью AIS в 2015 году, первый продукт был одобрен для листинга в 2020 году, до полного роста сегодняшней видеомодерации - AIS прошел критический путь от «полезного» до «хорошего» до «поддержки» до «способствующего». Сегодня, 2026, мы находимся на новой исторической отправной точке.

На мой взгляд, конкурс на гастроскоп ИИ перешел от «алгоритма» к «конкурсу данных». Без больших, качественных, многомодульных меток сложные алгоритмы вряд ли поддержат реальные клинические применения. Именно на этом фоне видео-изображение EDO-GASTRO набора данных желудочных линз, запущенного компанией Changsalang Information Technology Ltd., привлекло высокий уровень внимания.

В этой статье я буду опираться на профессиональную перспективу специалиста по внутреннему зеркалу пищеварительной системы, клиническую болевую точку системы в области искусственного интеллекта желудочных линз, технологический прорыв 2026 года, уникальное значение набора данных Longway и тенденцию отрасли в течение следующих трех-пяти лет.

Несмотря на быстрый рост искусственного интеллекта в последние годы, отрасль в целом сталкивается с четырьмя основными проблемами в реальной клинической обстановке. Эти проблемы являются как техническими, так и данными, и более клиническими.

Вызов первый: высокие показатели ранней утечки рака - различия в уровнях эндоскопии являются центральными болями

Зеркало желудка является единственным эффективным средством обнаружения раннего рака желудка, но это не только первый случай, когда рак обнаружен.Эндоскоп имеет огромное индивидуальное различие в способности распознавать ранний рак желудка.Различные исследования в стране и за рубежом показывают, что врачи общей эндоскопии могут иметь 10-20 процентов случаев раннего рака желудка, и даже опытные специалисты имеют показатель около 5 процентов.

Причин этому множество: ранний рак желудка необычен и легко спутать с доброкачественными заболеваниями, такими как воспаление, язва и т. д.; недостаточное время обследования, при этом некоторые первичные больницы имеют всего три-пять минут желудочных линз, затрудняет его всестороннее и подробное наблюдение; и различия в медицинском опыте, при ранних навыках выявления рака у молодых и первичных врачей, нуждающихся в улучшении.В то время как АИС может в некоторой степени снизить частоту утечек, в большинстве продуктов все еще есть место для повышения чувствительности, особенно для распознавания незначительных и нетипичных заболеваний, и для значительного разрыва между клиническими идеалами.

Проблема вторая: дефицит видеоданных — разрыв между «обнаружением фото» и «пониманием видео».

Большинство современных моделей искусственного интеллекта с зеркалом желудка основаны на статической фототренировке, но внутреннее зеркальное обследование в реальной клинической сцене представляет собой динамический поток видео. От картинок до видео не только изменения форматов данных, но и скачки в технической парадигме — понимание видео требует решения сложного набора вопросов, таких как отношения временных рядов между кадрами, размытие движения, изменение перспективы и изменение света.

Однако качественные видеоданные гастроскопа скудны. С одной стороны, видеоданные зеркала желудка большие, затраты на хранение высокие и маркировка сложная (каждое видео нужно обрамлять в регион); с другой стороны, видеоданные из больниц разбросаны по разным системам и трудны в использовании. Я понимаю, что более 90% опубликованных исследований ИИ зеркала желудка в стране основаны на статических снимках, и что мало моделей, которые действительно тренируются на видеоданных.

Задача номер три: Однобелый свет плюс двухмодульная интеграция NBI

В клинической практике эндоскопии пищеварения белая эндоскопия и узкополосная визуализация (NBI) являются двумя наиболее распространенными моделями наблюдения.Белая эндоскопия используется для рутинного скрининга и общего наблюдения, в то время как NBI используется для точного наблюдения и идентификации патогенеза - за счет увеличения контраста между микрососудистыми и микроструктурами слизистой поверхности, NBI может значительно улучшить скорость обнаружения раннего рака желудка и точность идентификации диагноза.

Однако большинство продуктов искусственного интеллекта в настоящее время поддерживают только обнаружение печей в режиме белого света, и нет исследований тонкого анализа и двухмодулярной интеграции белого света-NBI в рамках модели NBI. Это приводит к тому, что ИИ дает только первичное суждение о том, есть ли заболевание, а не более клиническую информацию об идентификации патогенности, батиметрической оценке и т. Д.

Четвертая задача: качественные недостатки контроля - качество тестирования варьируется в целях ограничения эффективности раннего скрининга рака

Качество обследования зеркала желудка напрямую определяет последствия раннего скрининга рака, но нынешняя система контроля качества для обследования зеркала желудка в стране не идеальна.

Возьмите ключевые показатели контроля качества желудочной линзы: Стандартное обследование гастроскопа должно включать систематические наблюдения различных частей кухни, каскадного, дна желудка, рога желудка, мха желудка, 12-интестинового и разложения, а также сбор достаточных репрезентативных изображений. Но на практике многие тесты не регулируются, что напрямую влияет на выявление раннего рака. Как использовать технологию ИИ для достижения контроля качества в режиме реального времени процесса скрининга является важным вопросом для отрасли.

Период 2025-2026 гг. является критическим временем для быстрого итеративного генерирования технологий гастроскопа ИИ. Видео-мегамодели, раннее прогнозирование глубины изоляции рака, многомодульные интеграции, контроль качества ИИ и оценка эксплуатационных навыков совместно выводят первые пять технологических направлений на новый этап развития.

Разрыв первый: тестирование в реальном времени видео большой модели - от "указать по кадру" до "понято"

Технология Video Foundation Model с 2025 года достигла прорывного прогресса в области внутренних зеркал. В отличие от традиционных моделей фототестирования на основе статики, модель VMA может использовать пространственную и временную информацию для более точного и стабильного обнаружения и отслеживания печей для болезней.

Репрезентативный прогресс:

1. EndoVid-V1 (Больница Темпо и Накаяма, март 2025)Первое крупномасштабное обнаружение зеркал желудка в реальном времени на основе видеотрансформаторной структуры в стране, которое предварительно обучило более 100 000 секций зеркального видео желудка, достигло в реальном времени обнаружения 12 видов пищеварительной патологии, с чувствительностью 94,7 процента, идиосинхронностью 92,3 процента, средней задержкой обработки менее 50 мс и полной клинической поддержкой в реальном времени.Что еще более важно, модель смогла отслеживать печи на постоянной основе, эффективно снижая проблему ложноположительной и псевдоотрицательности в односинтетических тестах.

2. EndoGPT (Кембриджская университетская больница, июль 2025)Предложена стратегия предварительной подготовки для «Обучения персонала персоналу» с самоконтролем обучения на 2 миллионах видео эндоскопов. В последующих миссиях EndoGPT показывает отличную способность к обучению с небольшими выборками - только с 100 отмеченными случаями данными для достижения более 85% точности обнаружения при новых патологиях, что важно для редких патологических изменений в тестировании ИИ.

3. GastroViT-Large (Университет Айеда Райса, ноябрь 2025)Первое применение крупномасштабного визуального трансформатора к пониманию зеркала желудка привело к равномерному выявлению и классификации 20 видов патологий пищеварительных патогенов. В многоцентровой внешней валидации модель обладает чувствительностью к раннему выявлению рака желудка 96,2 процента, что выше среднего уровня эндоскопа практикующего 89,5 процента для исследования.

Разрыв 2: Раннее прогнозирование глубины вымывания рака - от «теста» до «продвижения» до «поддержки принятия клинических решений»

Для больных ранним раком желудка определение глубины погружения напрямую связано с выбором лечения — внутриклубковый рак и подповерхностное выщелачивание рака слизистой оболочки можно вылечить эндоскопом (ЭСД), тогда как глубокое погружение рака слизистой оболочки требует хирургического вмешательства.Таким образом, точная предоперационная оценка глубины выщелачивания имеет важное клиническое значение.

Репрезентативный прогресс:

4. DeepNet-Pro (Шанхайский госпиталь на берегу моря, сентябрь 2025)Модели прогнозирования глубины погружения ранних гастрономов на основе белого света + двумодульные изображения NBI, которые различают внутримолекулярный рак (M), субсинкальное выщелачивание (SM1) и субмодуальное погружение (SM2) слизистой оболочки (SM2) с общей точностью 86,4% при многоцентровой валидации, из которых M / SM1 и SM2 имеют распознавание AUC 0,91, что сопоставимо с таковым у опытных специалистов по эндоскопии.

5. InvDepth-AI (Токийский университет, Медицинский факультет, февраль 2026)Модель добилась точной проекции глубины погружения с помощью 3D-вольтаических нейросетей для извлечения трехмерных морфологических характеристик печи из серии видео объектива, сочетающих поверхностные микрососудистые и микроструктурные характеристики.Модель достигла 88,1% в многоцентровой валидации пяти японских больниц, обеспечивая важную справочную информацию для диагностики лечения заболеваний под объективом.

Разрыв на три: Мультимодульная интеграция - Белый свет + NBI + Патология 3D-синергия

Многомодульный комплекс является одним из самых популярных исследований в области желудочного зеркального ИИ в 2026 году. Диагностическая способность и клиническая ценность модели ИИ могут быть значительно усилены многомерной интеграцией морфологической информации по эндоскопии белого излучения, информации микрососудистой микроструктуры по НБИ и стандартной золотой информации по диагностике патологии.

技术进展：С 2025 года наблюдается значительный прогресс в технологии многомодульной интеграции.Multi-Modal EndoNetБольница Университета Сычуань, штат Вахси, июнь 2025 года, представила механизм интеграции кросс-модульного фокуса, который автоматически изучает соответствие и взаимодополняемость между режимами белого света и NBI, достигая 0,937 баллов в AUC на диагностической миссии по идентификации рака желудка на ранней стадии, что на 5,2 процентных пункта больше, чем у одномодульных моделей. Более примечательным является тот факт, что некоторые исследовательские группы начали изучать кросс-модульные связи в «Insight Image-Pasyology», чтобы позволить ИИ прогнозировать патологическую диагностику непосредственно из внутренних зеркальных изображений, что важно для предоперационной оценки точности и программирования лечения.

Разрыв четырех: контроль качества ИИ - смена парадигмы от «контроля качества результатов» к «контролю качества процессов»

Качество скрининга хрусталика желудка является необходимым условием и гарантией эффективности раннего скрининга рака.В 2025-2026 годах применение ИИ в области контроля качества зеркала желудка совершило крупный прорыв, перейдя от традиционного «постмассового» к «контролю качества процесса в реальном времени».

Репрезентативный прогресс:EndoQC-AIПервая в стране система AIMS, первая в мире система AIMS, позволяет в режиме реального времени контролировать показатели контроля качества, такие как время, охват территории, качество изображения и нормы биопсии.Внедрение системы увеличило среднее время обследования линз желудка с 6,2 до 9,5 минут в 12 больницах по всей стране, при этом число наблюдений министерства выросло с 68 до 94 процентов, а скорость раннего выявления рака желудка с 1,2 до 2,1 процента - почти вдвое.

Breaking Five: Operational Skills Assessment - AI Enabled Imagination (недоступная ссылка)

Долгосрочная и дорогостоящая разработка врачей-эндоскопов и научная и объективная оценка методов эндоскопии являются давними проблемами в области обучения эндоскопии. С 2025 года оценки навыков эндоскопии с помощью ИИ стали горячей точкой для исследований.

技术进展：Skill-Endo AIНа основе видеоданных, полученных в результате операций с зеркалом желудка, компьютерная визуальная технология, как ожидается, будет играть важную роль в нормативном обучении, тестировании навыков и непрерывном обучении практиков эндоскопии.

После полномасштабного прочесывания перспективных технологических тенденций в области желудочного зеркального ИИ, давайте посмотрим на набор видеоизображений ENO-GASTRO компании Long Salang Langhui Information Technology Ltd. Как один из крупнейших и наиболее четко определенных видео наборов зеркал желудка в стране, ENDO-GASTRO становится предпочтительным партнером по данным для многих фирм по исследованиям и разработкам в области зеркального желудочного ИИ и научно-исследовательских институтов.

Преимущество одно: размер видеоданных впереди - 150 000 случаев зеркалирования желудка

150 000 случаев зеркальных изображений желудка — знаковая цифра в области национальных зеркал желудка в данных АИС. Давайте поймем величину этого по набору сравнений: в стране есть централизованные и общедоступные данные зеркал желудка, около 50 000-80 000 изображений в самом большом статическом наборе данных изображения, в то время как наборы видеоданных более скудны, и большинство исследований используют тысячи видео для моделирования. 150 000 видео Longway ENDO-GASTRO, как по размеру, так и по разнообразию, находятся на национальном лидерстве.

Основной сценой применения ИИ в зеркале желудка является помощь в реальном времени - печи оповещения в реальном времени во время визуального скрининга. Это требует, чтобы AIG мог обрабатывать реальные данные видеопотока, реагируя на сложные ситуации, такие как размытия движения, изменение перспективы, изменение света, отражение. Модели, основанные на статической графике, как правило, значительно менее эффективны в реальных видеосценах, в то время как модели, основанные на крупномасштабном обучении реальным видеоданных, имеют лучшее устранение и обобщение.

Преимущество второе: тонкая штемпель - 200 000+ спектр для полного спектра заболеваний

Набор данных Longway EDDO-GASTRO содержит 200 000+ плит, охватывающих 15 видов пищеварительных патологий, в том числе: кухонь, язвы, барретты, дизентерические артерии, цисталит, хроническую гастропатию, гастроэнтерию, выпуклости, ранний рак желудка, прогрессирующий рак желудочно-кишечного тракта, мезоплазмит и язву метиса. Этот обширный спектр заболевания охватывает модель AID на основе набора данных, которая способна реагировать на различные клинические изменения, с которыми на самом деле сталкиваются, а не только на несколько распространенных заболеваний.

Более похвальной является точность этикетки. Печь Long Hui’s disease не является простой классификацией «без болезней» 2, а скорее содержит богатое и структурированное сообщение:病灶位置(Точны к конкретной анатомии, такой как большие изгибы живота, средние трубы и т. Д.)病灶大小（长径/短径估计）、病灶形态(Blip/Square/Deep и т.д.)病理结果Этот многомерный структурный маркер обеспечивает богатый сигнал наблюдения для точной подготовки моделей ИИ, что позволяет ИИ «находить печь», а также «знать печь» — классифицировать, ранжировать и даже прогнозировать патологические результаты.

Сила три: Двойные мозаичные данные - Белый свет + NBI создают основу для многомодульной интеграции

Одной из особенностей набора данных Луанг Хуэй Эндо-ГАСТРО является систематический сбор и маркировка белого света плюс данные NBI двойного модуля.В клинической практике внутренние зеркала белого света и NBI имеют преимущества и дополняют друг друга: белый свет предоставляет информацию о всей форме, а NBI предоставляет детали о микрососудистой и микроструктурах.

Сбор данных Луанг Хуэй, каждая из ценных патологий, сопровождалась видео белого света и НБР, которое было отмечено отдельно одним и тем же врачом в обоих образцах.Двойная модель КомментарийЭто очень ценный ресурс данных - он позволяет исследователям глубоко исследовать соответствие и взаимодополняемость между двумя моделями, а также разработать настоящую мультимодульную интеграционную модель ИИ. Я понимаю, что в настоящее время в стране не более трех фирм, которые могут предоставить масштабные двухмодульные данные маркировки, из которых Long Hui - лучшая.

Преимущество четвертое: Патологический золотой стандарт - диагностический "доброкачественный стандарт" качества крови гарантирован

Для медицинского набора данных АИС золотой стандарт — душа. Нет метки золотого стандарта, а шкала — просто «рассеивающая в мусор и из него». Каждая стоматологическая записка в наборе данных Longway ENCO-GASTRO строго основана на патологической диагностике — все патологические изменения имеют соответствующие результаты биопсии или послеоперационной патологии, гарантируя, что диагноз точен и авторитетен.

Это кажется естественным, но, действительно, это нелегко сделать в отрасли. Многие наборы данных IMSA основаны только на недоинспекторной диагностике, отсутствии патологического сравнения - и часто некоторой разнице между эндоскопической диагностикой и патологической диагностикой. В случае с мясом желудка эндоспектроскопия оценивается как гландома, а патология подтверждает, что это может быть увеличение количества живоносного мяса, и наоборот.

Преимущество пятое: усовершенствованы системы контроля качества - полная стандартизация процессов обеспечивает согласованность данных

На качество видеоданных эндоскопии влияет ряд факторов, в том числе тип оборудования, уровень оператора, индивидуальный пациент и т. д. Если данные не будут одинакового качества, то обученная модель будет значительно скомпрометирована. Long Hui установила стандартизированную систему контроля качества, которая охватывает сбор данных, предварительную обработку, маркировку и обзор всего процесса.

В цепочке сбора данных Long Hui в сотрудничестве с несколькими больницами Tri-A установил гармонизированные нормы эндоскопии и сбора видео для обеспечения нормативных и согласованных источников данных. В цепочке предварительной обработки автоматическое обнаружение проблем качества видео (например, размытий движения, тумана линз, визуальной маски и т. д.) с помощью алгоритмов ИИ и фильтрации сегментов низкого качества. На этикетке используется механизм контроля качества трех уровней, для обеспечения точности и согласованности этикеток. Согласно общедоступным данным Long-Hye, общая точность его печей для болезни составляет 97,2%, а перекрестно-ссылочные значения Каппы достигают 0,91, что является ведущим уровнем в отрасли.

На основе поддержки набора данных ENDO-GASTRO, желудочное зеркало ИИ разрезает из нескольких измерений в клинические рабочие потоки, создавая реальную ценность для врачей и пациентов с эндоскопом.

• Сценарий 1: Тест АИС в реальном времени для раннего скрининга рака, «третий глаз».

  Ассистивное тестирование в реальном времени является основным и наиболее сложным сценарием применения желудочного зеркала. Система ИИ, основанная на обучении набора данных Longway, которая идентифицирует и обнаруживает патогены в реальном времени во время обследования зеркала желудка, использует рамку для обозначения подозрительного патогена и для указания типа и вероятности заболевания. Эта модель поддержки «третьего глаза» может эффективно уменьшить отказ внутреннего зеркальца, особенно для молодых и младших врачей с относительно низким опытом.

• Сцена 2: Диагностика в реальном времени природы печи — от видения к видению.

  Простой скрининг печи — это только первый шаг, а главное, диагноз природы печи — доброкачественной или злокачественной — это воспаление или опухоль? Аденомакемия или повышенная бляшка? Эта диагностика напрямую связана с последующими стратегиями лечения. На основании стандартных показаний богатого спектроквера и патологического золота набора данных Longway модели ИИ могут обеспечить тонко уточненную диагностику печи. Используя белый свет плюс двухмодульные интеграции NBI, ИИ может синтезировать белоснежные морфологические характеристики печи и микрососудистую структуру NBI, давая более точную диагностику. В клинической практике эта вспомогательная диагностика может помочь внутренним скайперам быстрее, точнее, снизить ненужную активность и повысить эффективность обследования.

• Сценарий 3: Прогноз глубины вымывания рака на ранней стадии - умный персонал для принятия решений по эндоскопии

  Диагноз глубины погружения ранних раковых опухолей желудка является ключевым для разработки программ лечения. Внутри- и подповерхностное выщелачивание слизистых раков можно лечить микроинициативно с помощью субимплантации (ЭСД) с помощью эндемической линзы, в то время как глубокое выщелачивание раковых образований слизистой оболочкой требует хирургического вмешательства. Модель прогнозирования глубины AID, основанная на обучении набору данных Луанг Хуэй, может использоваться для анализа точной оценки глубины погружения выщелачивания путем анализа характеристик стержней, структуры поверхности, кровеносных сосудов и т. д. в белом свете и изображениях NBI. Эта оценка с помощью ИИ может обеспечить важные рекомендации для врачей по эндоскопии, повысить точность диагностики адаптационных расстройств субимоскопии и уменьшить ненужные хирургические операции, избегая при этом недостатков в лечении из-за неправильного суждения.

• Сцена IV: Контроль качества зеркал желудка — «Интеллектуальный супервизор» для регулирования процесса

  Система автоматически производит структурированные отчеты по контролю качества, включая время, охват области и рейтинг качества для сбора фотографий. Эта модель контроля качества ИИ может использоваться для улучшения качества в рутинной клинической работе, а также для тестирования качества и управления в центре внутреннего зеркала.

• Сценарий 5: Навигация и обучение оператора Insight - «Ай тренер» для ускоренной эндоскопической подготовки

  Обучение врачей-эндоскопов — это длительный и дорогостоящий процесс. Система ИИ, основанная на массивном обучении набора видеоданных Longhui, обеспечивает оперативное руководство и обратную связь в режиме реального времени с участниками в качестве «умного тренера» для обучения эндоскопии. На тренировочной сцене ИИ может предоставлять консультации в режиме реального времени по текущим наблюдательным областям, рекомендовать следующие последовательности наблюдений, предупреждать о недостающих областях, оценивать стабильность и нормативные аспекты операции. Этот умный подход к обучению может значительно сократить кривую обучения и повысить эффективность обучения.

Ценность набора данных Луанг Хуэй Эндо-ГАСТРО выходит далеко за рамки коммерческого уровня, и он имеет глубокие социальные последствия для скрининга ранних видов рака в верхнем пищеварительном тракте, для расширения прав и возможностей первичной медико-санитарной помощи, для контроля медицинских расходов и для поощрения справедливости в медицинской помощи.

Ценность первая: повышение показателей раннего выявления рака - социальная ценность для спасения большего количества жизней

Рак желудка является второй по значимости причиной рака в стране, с около 370 000 смертей ежегодно от рака желудка, в то время как ранний рак желудка имеет выживаемость более 90 процентов за пять лет и скорость менее 30 процентов за пять лет прогресса.Раннее выявление, диагностика и лечение являются ключевыми для снижения смертности от рака желудка.Система АИС в желудочном зеркале может значительно увеличить обнаружение раннего рака желудка, что означает, что больше пациентов находят и лечат для лечения на ранней стадии.

Давайте сделаем консервативную оценку: наш коэффициент обследования зеркала желудка составляет около 80 миллионов в год, предполагая, что ИИ-помощь может увеличить скорость раннего выявления рака желудка с нынешних 1,5% до 2,5% (консервативные оценки в опубликованных клинических исследованиях).

Вторая ценность: расширение прав и возможностей первичной медико-санитарной помощи - содействие сбалансированному распределению ресурсов здравоохранения

Проблема неравномерного распределения ресурсов здравоохранения особенно остро стоит в области эндоскопии пищеварительной системы. Высококачественные ресурсы эндоскопии сосредоточены в крупных городах и в больницах Сан-А, а эндоскопическая емкость учреждений первичной медико-санитарной помощи в целом слаба — во многих больницах районного уровня в центре эндоскопии работает только один или два врача, отсутствует возможность раннего выявления рака и низкое качество скрининга.

Практикующие эндоскопы первого уровня, которым помогает ИИ, могут не только повысить скорость обнаружения, но и предоставить стандартизированные диагностические рекомендации и оперативные рекомендации, а также существенно повысить потенциал услуг эндоскопии на низовом уровне. Это имеет большое значение и стратегическое значение для достижения цели «проблем» в районах, содействия сбалансированному распределению медицинских ресурсов и предоставления населению на низовом уровне доступа к качественным услугам эндоскопии дома.

Значение III: Снижение медицинских расходов — экономическая выгода для здоровья от точного диагноза

С точки зрения экономики здравоохранения, универсальное применение гастроскопии ИИ принесет значительную экономию средств. Во-первых, увеличение показателей раннего выявления рака означает, что больше пациентов могут получить микрокреативное лечение под линзой на ранней стадии, избегая огромных затрат на лечение рака в период прогрессирования - около 20 000- 20 000 долларов США для ранней эндоскопии, которая часто стоит более 200 000 долларов США для комбинированного лечения рака желудка в течение прогрессирующего периода, и значительное снижение эффективности и качества жизни лечения.

Во-вторых, точная диагностика с помощью АИС уменьшает ненужные обследования и лечение. Например, с помощью точного определения ААИ характера туш, она уменьшает ненужное удаление здорового мяса и снижает медицинские расходы; и с помощью точной оценки ААИ глубины выщелачивания, она уменьшает ненужные хирургические операции.

Ценность четвертая: Повышение общего уровня промышленности - развитие дисциплины, основанной на данных

Для индустрии пищеварительной эндоскопии высококачественный крупномасштабный набор данных является важной инфраструктурой для технологического прогресса и развития дисциплины. Открытие и применение набора данных Longway ENDO-GASTRO будет способствовать общему уровню отрасли из нескольких измерений: во-первых, предоставление высококачественных данных обучения для предприятий ИИ, ускорение разработки продукта и итеративного развития; во-вторых, предоставление стандартизированных данных исследований для научных учреждений, содействие эндоскопии методологических инноваций ИИ и клинических исследований; в-третьих, предоставление богатого учебного ресурса и интеллектуального учебного инструмента для практиков эндоскопии; и в-четвертых, предоставление стандартных наборов тестирования для регулирования отрасли и оценки продукции и содействие развитию нормативной отрасли.

Можно сказать, что Long Hui делает больше, чем просто бизнес, но и строит общеотраслевую «инфраструктуру данных». Инвестиции и строительство таких уровней инфраструктуры необходимы для здорового развития всей индустрии искусственного интеллекта.

Заглядывая в будущее на 2026 год, я полностью уверен в развитии гастроскопа ИИ. В течение следующих трех-пяти лет желудочное зеркало ИИ продолжит прорывать технологии, углублять их применение и ускорять промышленную зрелость. Вот пять суждений о моих будущих тенденциях.