在嗜酸性食管炎中利用人工智能

对吞咽困难者为何重要

嗜酸性食管炎（EoE）一词难以发音，更难以与之共处。这是一种由过敏驱动的慢性食管疾病——食管是将食物从口腔输送到胃的管道——可导致吞咽痛、食物嵌顿和长期瘢痕形成。本文综述探讨了人工智能（AI）如何改变医生发现、诊断和治疗EoE的方式，可能减轻目前患者面临的反复检查和多年反复试验式治疗的负担。

了解一种隐秘的消化问题

近年来EoE的发病率明显上升，尤以北美和欧洲为甚。成人常感觉食物在胸口“卡住”，儿童可能出现呕吐、体重下降或生长不达标。由于这些症状与更常见的问题（如胃酸反流）重叠，诊断常常被延误超过两年。在此期间，持续的炎症可使食管变硬和变窄，增加食物嵌顿乃至撕裂的风险。当前的护理依赖内镜（可弯曲的摄像装置）和小型活检以寻找特定白细胞的聚集。这些检查具有侵入性，需要重复，且与患者的主观症状并不总是完全一致。

智能设备如何提供帮助

人工智能指的是能够从数据中学习模式并做出预测或决策的计算机系统。在EoE领域，AI工具正接受多种医疗信息的训练：内镜图像、组织切片的显微图、食管的压力与伸展测量、基因和血液标志物，甚至书面的病历记录。一些模型已经能够以很高的准确率将EoE与类似疾病区分开，或标记出那些吞咽困难且特别可能患病、应被转诊进一步检测的患者。其他模型可分析食管的僵硬程度或活检中细胞的排列，揭示人眼可能遗漏的微妙疾病模式。

更清晰的影像与更聪明的显微镜

内镜和组织分析是EoE诊断的核心，两者都将从AI中受益。经过数千张内镜图像训练的计算机视觉系统可以自动识别提示EoE的环状狭窄、纵向沟槽和白色斑块，在一些研究中其表现可与经验丰富的专家相当，且优于受训者。在病理学方面，逐一计数关键细胞既缓慢又带有主观性。新的AI驱动数字工具可以扫描整张活检切片、统计相关细胞、测量组织损伤，甚至追踪如肥大细胞等其他免疫细胞。这些系统在准确性上可与资深病理学家匹敌，同时提供一致、可重复的结果。随着时间推移，它们有望提供即时、标准化的报告，帮助医生更精确地监测疾病活动性和治疗反应。

血液、基因与日常护理中的线索

研究人员也在使用AI来筛析复杂的生物信号和日常临床数据。在基因表达和小型调控分子（microRNA）上训练的机器学习模型已识别出能明显将EoE与反流及正常组织区分开的模式，甚至可能反映患者对类固醇疗法的反应情况。类似的方法未来或可将一份血液样本或简单的拭子变成一种可靠的检测手段，用于在不反复内镜的情况下追踪疾病。综述还考察了用于患者教育的AI聊天机器人和语言模型。早期测试显示，目前的通用系统可能语气自信但会将准确陈述与错误或令人困惑的表述混合在一起，这突显了在这些工具能安全支持EoE患者之前需要精心调校和医学监管。

在承诺与谨慎之间权衡

尽管前景令人振奋，作者强调AI并非万能良方。许多EoE研究依赖规模小、来源单一的患者群体，这带来了偏差和真实世界可靠性有限的担忧。复杂模型可能表现得像“黑盒”，给出预测却缺乏明确解释，这增加了信任、问责和监管的难度。综述概述了将先进算法视为医疗器械时出现的监管框架，强调需要大型、多样化的数据集、透明的测试和持续的监测。如果这些障碍得到克服，AI有望将EoE护理从缓慢、侵入性和一刀切的流程转变为更精准、及时且负担更小的路径——让患者更早获得正确的诊断与治疗，减少检查次数并改善长期结局。

引用: Liberto, J.D., Snyder, D.L. & Codipilly, D.C. Leveraging artificial intelligence in eosinophilic esophagitis. npj Gut Liver 3, 13 (2026). https://doi.org/10.1038/s44355-025-00046-8

关键词: 嗜酸性食管炎, 医学中的人工智能, 内镜成像, 数字病理学, 精准胃肠病学