Artificiell intelligens hjälper endoskopister att bättre upptäcka dysplasi och intestinal metaplasi vid magsäckscancer

Varför smartare undersökningar av magen spelar roll

Magsäckscancer är fortfarande en av världens dödligaste cancerformer, men många farliga förändringar i magsäckens slemhinna är subtila och lätta att missa, även för utbildade läkare som använder moderna kameror. Denna studie ställer en enkel fråga med stora konsekvenser: kan en artificiell intelligens (AI) som assisterar och följer endoskopivideor tillsammans med läkaren hjälpa till att fånga fler problemområden tidigare och mer tillförlitligt? Genom att pröva ett sofistikerat AI-system med verkliga patientbilder och videor visar forskarna att digitalt stöd kan avsevärt förbättra noggrannheten hos mindre erfarna endoskopister, särskilt för de svårast bedömda förändringarna som ofta föregår cancer.

Från rutinundersökning med kamera till ett datafyllt problem

För att leta efter sjukdom i magsäcken för in läkare ett flexibelt instrument, ett endoskop, genom munnen ner i magsäcken. De måste i realtid bedöma om varje område av vävnaden är normalt, inflammerat, precanceröst eller canceröst. Vissa fynd, som avancerade tumörer, syns tydligt. Andra—såsom dysplasi (tidig onormal tillväxt) och intestinal metaplasi (en förändring i slemhinnan med hög risk)—visar sig som svaga färgskiftningar eller fina texturförändringar som varierar mellan individer. I vardaglig praxis är dessa subtila mönster lätta att förbise, och detekteringsnivåerna skiljer sig mycket mellan läkare, vilket innebär att vissa patienter med högrisklesioner kan lämna undersökningsrummet utan diagnos.

Hur AI-samarbetet byggdes och testades

Teamet utvecklade ett AI-system kallat Venotics‑G med en modern "vision transformer"-arkitektur, utformat för att skanna en bild som helhet och uppfatta långdistansmönster. De tränade det på över 16 000 endoskopibilder från ett stort sjukhus och lärde det flera uppgifter samtidigt: var i magsäcken sonden befinner sig, om något abnormt område finns, vilken typ av lesion det kan röra sig om, och om högrisk intestinal metaplasi är synlig. För studien sammanställde de 1 584 verkliga endoskopifall från två sjukhus. Varje fall bidrog med både en enskild tydlig stillbild och ett kort videoklipp på fem sekunder där det misstänkta området sågs väl. Fallen täckte magsäckscancer, dysplasi, en mängd godartade tillstånd, högrisk intestinal metaplasi samt normal eller enkel gastrit.

Att ställa AI mot mänskligt omdöme

Sju endoskopister under utbildning, vardera med mindre än tre års erfarenhet, granskade alla fallen två gånger: först förlitande på egen bedömning, och senare, efter en veckas paus och med fallen i omkastad ordning, granskade de dem med AI:ns vägledning. AI:n ensam visade sig vara mycket träffsäker både på stillbilder och videor och klassificerade korrekt mer än 9 av 10 fokala lesioner och högrisk intestinal metaplasi. Viktigare var att när läkarna hade tillgång till AI:ns förslag och visuella markeringskartor förbättrades deras eget resultat kraftigt. Den totala noggrannheten för fokala lesioner steg från cirka 75% till nästan 87% för både bilder och videor, och deras samlade mått på sant positiva och sant negativa prestationer (sammanfattat som area under ROC-kurvan) förbättrades markant. Vinsterna var särskilt stora för dysplasi och intestinal metaplasi—precis de kategorier som visat störst variabilitet och lägst grundläggande noggrannhet.

Vad som förändrades i beslutsprocessen

Närmare analys visade att AI-stödet hjälpte på något olika sätt beroende på tillstånd och om läkarna läste bilder eller videor. För dysplasi var huvudfördelen att läsares uppmärksamhet flyttades så att fler sanna lesioner upptäcktes, samtidigt som falsklarmen hölls låga. För intestinal metaplasi, som ofta framträder som diffusa, fläckiga förändringar, minskade AI främst falska positiva fynd på stillbilder—vilket gjorde läkarna mer säkra när de bedömde ett område som normalt. I videosituationen kunde AI:n använda flera ramar över tid, vilket förbättrade både dess förmåga att utesluta normal vävnad och att flagga verkligt abnorma, utbredda mönster. Systemets snabba bearbetning, i storleksordningen millisekunder per bildruta, gör att det kan följa ett live endoskopiundersökning och lägga över uppmärksamhetskartor nästan i realtid. Samtidigt noterar författarna att extra visuella signaler på skärmen kan öka den kognitiva belastningen, och vissa granskare tenderade att övertolka benign inflammation, vilket antyder att utbildning i hur man använder AI ansvarsfullt blir lika viktig som algoritmerna själva.

Vad detta kan innebära för patienter och kliniker

Sammanfattningsvis visar studien att en AI-assistent kan fungera som en utjämnare för mindre erfarna endoskopister, göra deras diagnoser mer konsekventa och oftare korrekta över många typer av magsäcklesioner. Istället för att byta färre missade fynd mot fler falsklarm tenderade AI:n att förbättra både känslighet och specificitet, ett tecken på verkligt mervärde snarare än ren bias. Arbetet är fortfarande ett tidigt, noggrant kurerat test, så dess påverkan på dagliga arbetsflöden, kostnader och långsiktiga patientutfall återstår att bevisa i större, live kliniska prövningar. Men dessa resultat stöder en framtid där endoskopi rutinmässigt utförs med en AI-partner, som hjälper läkare att upptäcka högriskförändringar tidigare och mer tillförlitligt, och ger patienter större chans till snabb behandling och förbättrad överlevnad.

Citering: Lee, Y.H., Park, G., Kim, J.Y. et al. Artificial intelligence assistance improves endoscopist accuracy for gastric cancer dysplasia and intestinal metaplasia. Sci Rep 16, 12428 (2026). https://doi.org/10.1038/s41598-026-43149-9

Nyckelord: screening för magsäckscancer, endoskopi-AI, intestinal metaplasi, dysplasiupptäckt, medicinsk bildanalys