引言
消化道恶性肿瘤（食管癌、胃癌、结直肠癌）是我国癌症防治的重点领域。三者合计占我国恶性肿瘤发病数的近三分之一，且均具有高发病率、高死亡率、低早诊率的特征1。但内镜筛查存在一定的漏诊率。以早期胃癌为例，一项研究显示，我国多数地区消化道早癌的内镜检出率仅为5%-20%2。消化内镜检查是消化道癌诊断“金标准”，消化内镜本身存在诊断效能进一步提升的需要，检出率的提高对于早诊早治而言至关重要。规范的内镜筛查是开展消化道早期癌诊治的基础3，传统内镜在图像清晰度、病变识别能力及操作便捷性等方面存在局限，尤其对于早期微小病变的检出率有待提高。虽然内镜诊断新技术显著提高了消化道早期癌的检出率，但很大程度上依赖内镜医师的经验和设备水平4。
过去，全球高端消化内镜市场长期由日本几家传统巨头主导，其核心技术构建了深厚的壁垒。但在强大的市场需求和国家政策双重驱动下，中国内镜产业链正加速崛起。近年来，以高清成像技术和人工智能（AI）为核心的新一代内镜系统逐渐进入临床，通过提升算力、优化成像模式，显著改善了内镜诊疗的精准度与效率。国产消化内镜品牌在此领域亦取得突破，本文以国内企业产品iEndo智慧内镜平台（以下简称iEndo平台）为例，结合其关键技术特点、临床适配性及相关研究证据，探讨其在提升早期病变检出率、优化复杂手术操作及推动优质医疗资源下沉中的价值。
超分辨率技术助力消化道早癌筛查
在科技飞速发展的推动下，现代医学影像技术正迎来跨越式发展与深刻变革。超分辨率（Super-Resolution, SR）技术凭借其在提升图像分辨率、还原精细结构等方面的突出优势，已逐步成为医学影像领域的重要研究方向。该技术已广泛应用于显微成像、CT、MRI 等多个影像模态，通过算法重构低分辨率影像以增强图像清晰度，在微小病灶识别、精细结构观察等方面展现出良好应用潜力，为基础医学研究与临床精准诊断提供了有力支撑。近年来，超分辨率技术亦逐步向内镜诊疗领域延伸应用。
2022年有学者提出的动态深度感知网络，首次将空间深度信息引入超分辨率重建任务，通过深度引导的特征提取机制与自适应权重分配策略，在Kvasir及EndoScene数据集上验证了方法的有效性，在显著提升图像质量的同时，亦优化了息肉分割的准确性5。一项多中心研究系统评估了SwinIR与ESRGAN两个超分辨模型在消化道内镜图像中的应用价值。临床评估表明，90% 的内镜医师认为经超分辨率处理后的图像在可读性上得到中度提升，且增强后的影像可进一步提升人工智能模型在Barrett食管分类（F1-score 提升 0.04）及梅奥内镜评分等任务中的诊断效能6。
尽管相关基础研究与实验验证已取得显著进展，但超分辨率技术向临床场景的落地转化仍面临诸多挑战，包括算力限制、实时性处理要求等关键瓶颈。开立医疗推出的iEndo平台创新性地引入了基于CPU、GPU和FPGA的多核异构架构，集成独立GPU，图形运算能力提升140%，AI运算能力提升400%，能够同时承载4K超高清视频的实时处理与AI算法的并行运行，搭载的超分辨率技术，突破光学衍射极限，实现4K级实时视频超分辨成像，可清晰呈现病灶细微结构与血管纹理，为微小病变的识别提供可靠的影像基础。
特殊光成像技术在早癌中的应用
内镜特殊光成像技术是指在内镜检查中，通过使用特定波长或光谱特性的光源（而非普通白光），增强消化道或其他腔道黏膜表面结构、血管形态与病变组织的对比度，从而提高早期病变（如癌前病变、早期肿瘤等）的检出率和诊断准确性的一类成像技术。特殊光成像技术可以让医生观察更精细、诊断更准确，也让其从最初的辅助工具逐步成为消化内镜诊疗的核心技术。随着国产消化内镜厂商的不断发力，很多厂商也推出了自己的特殊光源成像模式。iEndo平台同步配备了全新研发的极效多波长光源系统，为特殊光成像技术在内镜诊疗中的应用带来了进一步的提升与新的可能。五路LED光源实现全覆盖特殊光观察，即使用聚谱成像技术（Spectral Focused Imaging，SFI）、光电复合染色成像技术（Versatile Intelligent Staining Technology，VIST）、融合光谱成像技术（Hybrid Chromatic Imaging，HCI）多种特殊光模式，分别对应病变的发现、诊断与治疗阶段，为临床精准诊疗提供全周期支撑。
SFI模式赋能早期病变筛查
近些年来，图像增强内镜（image enhancement endoscopy，IEE）因其操作简单，通过强调病变与周围黏膜颜色的差异可有效提高病变的检出而引起了广泛关注7。有研究表明，联动成像技术可有效帮助提高右半结肠腺瘤性息肉检出率7。
iEndo平台搭载的SFI模式相对于白光模式更能凸显黏膜浅层血管，适于在中远距离下快速、大范围进行病灶筛查8。研究显示，在溃疡性结肠炎患者中，采用SFI技术的图像增强内镜检查对黏膜细微炎症改变的检出率显著高于白光内镜，且与组织学活动性的一致性达90%，而白光组仅为55%9。国内一项多中心研究表明，SFI模式在胃黏膜萎缩诊断中的灵敏度为94.4%，特异度为64.5%，灵敏度、特异度及准确度均优于白光模式，诊断效能与进口内镜光学染色技术相当8。iEndo平台的SFI模式可快速切换适配消化道各部位，通过特定光波段穿透黏膜表层，清晰呈现黏膜下微小血管异常与组织病变苗头，无需反复扫查即可捕捉早期病变信号，有效提升微小病变、隐匿病变的检出率，为早癌筛查筑牢第一道防线，贴合临床“早发现、早诊断”的核心需求。
VIST模式实现精准定性诊断
消化道早癌往往没有任何早期症状，或仅有普通胃病的症状如上腹部不适、腹胀、隐痛等，不仅患者难以分辨，经验不足的医师也有可能识别不出来，从而导致发生漏诊。而医生在内镜下使用普通的白光对消化道早癌进行筛查时，一些早期的微小病变有时也难以发现。大多数肿瘤，其细胞的繁殖需要血管为其提供营养，如果在内镜检查中能发现图像中血管聚集的区域，将能为下一步诊断提供依据，明显减少了漏诊的概率。
VIST模式能够清晰凸显浅层黏膜血管和中层黏膜血管，适于在近距离下进行病灶精确观察9。VIST模式结合放大内镜，可清晰显示病灶表面微结构、微血管形态及边界特征，辅助判断病变性质。来自首都医科大学附属北京友谊医院的研究显示，采用SFI和VIST成像模式结合光学放大内镜，能够清晰显示食管上皮内毛细血管袢、胃微血管和微表面以及结直肠腺窝结构，显著提升临床诊断效率，且与病理诊断结果高度一致10。国内多中心研究证实，VIST模式结合40倍弱放大效果，对胃黏膜肠上皮化生内镜诊断具有较高的灵敏度、特异度和准确度，明显优于白光组8。来自埃及的一项研究指出，VIST模式成本更低，可作为胃窦血管扩张症（GAVE）组织病理学诊断的替代工具11。
HCI模式助力治疗路径引导
随着内镜技术的不断发展，消化道早癌的治疗也已由外科手术逐渐被内镜下治疗所取代。内镜黏膜下剥离术（ESD）和内镜下黏膜剥离切除术（EMR）已经逐渐成为消化道早癌及癌前病变的一线治疗方法，在临床中发挥了重要作用。
而在使用内镜进行诊断和手术的过程中，常会发生出血情况。血水会影响内镜的视野可见性，导致出血点难以发现，提高止血操作的难度，且过度或频繁的凝血可能会导致黏膜下层的碳化，从而增加手术难度与风险。因此，针对内镜成像中血水淹没的出血点的情况，提高出血点的能见度，增强出血点与周围区域的差异有助于止血操作的顺利进行，有助于减轻医生在内镜治疗期间的压力，具有非常重要的临床应用价值12。
iEndo平台的HCI模式依托五路LED光源的灵活调控能力，在介入治疗阶段发挥独特价值。HCI模式适用于体内出血时识别出血点，通过特定光谱的组织穿透性，可凸显黏膜下深层血管轮廓，在出血状态下有效穿透血液层与黏膜表层，清晰呈现深部血管结构与出血点位置，由此缩短术中寻找出血点的时间，帮助术者第一时间锁定目标并实施精准止血操作，减少反复冲洗与试探性操作，从而降低黏膜副损伤风险，减轻术者心理负荷，提升治疗效率。该模式的应用使治疗过程更为精准、微创，尤其适用于ESD、息肉切除术等易发生术中出血的复杂操作场景，为早癌治疗环节提供了可靠的技术保障。
全场景诊疗体系的构建与临床适配
iEndo平台可兼容多种内镜型号，包括EG-650T治疗内镜、EG-550Z放大镜等，覆盖消化道早癌筛查、复杂息肉切除、ESD等诊疗场景，形成“发现—诊断—治疗”完整链条。同时，平台可适配超声内镜与十二指肠镜，拓展至胆胰疾病及消化道深层病变的诊疗。超声内镜模式下，可清晰显示消化道壁层次、黏膜下肿瘤及周围脏器影像，辅助医生完成病变T分期、性质判断及超声引导下细针穿刺活检（EUS-FNA）等操作，解决常规内镜难以触及的深层病变诊疗难题；十二指肠镜模式下，可精准适配ERCP相关操作，实现十二指肠乳头完成乳头括约肌切开、支架置入、鼻胆管引流等操作，适配胆胰系统疾病诊疗需求，进一步完善“全场景、多镜种”的一体化诊疗体系，贴合临床复杂病变诊疗的核心需求。
目前该平台已进入包括上海长海医院、首都医科大学附属北京友谊医院、中国医科大学附属盛京医院、首都医科大学附属北京朝阳医院、北京大学肿瘤医院、西安交通大学第一附属医院、昆明医科大学附属第一医院、中国医科大学附属第一医院等多家三甲医院的临床应用。专家评价指出，iEndo平台的超高清成像与一体化智能操控设计，有效提升了复杂手术的精准度与效率，可适配早癌筛查、精查、ESD等高难度早癌诊疗临床应用。
上述临床实践与专家评价，印证了iEndo平台在复杂诊疗场景中的可靠性与适应性，也为其在不同层级医疗机构的差异化应用提供了依据。在大型三甲医院中，iEndo平台所集成的超分辨成像、多模态特殊光成像技术及全场景镜种适配能力，能够有效支撑高难度内镜手术与临床研究的开展，服务于病例教学与学术交流，助力学科影响力提升。
面向基层医疗机构，iEndo平台可兼容AI辅助功能，提供另一条赋能路径。基层医院普遍面临内镜医师数量不足、诊断经验有限的问题，制约筛查质量同质化提升。iEndo平台兼容的AI算法可在内镜检查中实现两项核心辅助：一是筛查质量控制，在上消化道筛查中可实现扫查盲区提示，在下消化道筛查中可智能识别回盲瓣，并实时监测退镜速度、肠道清洁度；二是AI息肉检出功能，可识别和标记病变部位，避免漏检。以消化道部位识别为例，该AI系统在5,474张白光内镜图像测试数据集中的平均准确度达98.4%13，有助于提升基层早癌检出率。
iEndo平台以多核异构架构与独立GPU为算力基座，实现图形运算能力提升140%、AI运算能力提升400%，为超分辨成像与4K画质提供核心支撑；同时依托五路LED光源与SFI、VIST、HCI三种特殊光模式，构建覆盖“发现—诊断—治疗”全周期的成像闭环，在清晰度、智能化与临床适配性三个维度实现协同提升。目前平台正依托由三部委联合推动、开立医疗承办的三项国家级示范项目：首都医科大学附属北京友谊医院牵头的“国产高清智慧电子胃肠镜系统推广应用示范项目”、上海长海医院牵头的“线阵超声内镜的应用示范和推广项目”及北京清华长庚医院牵头的“多光谱3D医用内窥镜系统项目”，联合全国十余家顶尖医疗机构，通过多中心示范验证与标准化体系推广，将超分辨成像、AI辅助诊断与特殊光技术转化为可复制的规范化诊疗路径，回应消化道早癌筛查中设备与经验双重短缺的现实挑战。随着多中心临床数据的持续积累与医工协同机制的深化，iEndo平台将在提升早癌检出率、推动优质医疗资源下沉、筑牢公共卫生防线中发挥更深远的作用。
1.王洛伟，杜奕奇，柏愚，等. 中国消化道肿瘤的早诊早治现状及挑战.中国实用内科杂志, 2025, 45(5): 353-356.
2.Ren W ,Yu J ,Zhang ZM ,et al. Missed diagnosis of early gastric cancer or high-grade intraepithelial neoplasia. World J Gastroenterol, 2013,19(13):2092-2096.
3.刘揆亮,李鹏,张澍田.重视全链条理念 规范消化道早期癌诊治.中华消化内镜杂志, 2024, 41(7): 505-508.
4.邢洁,李鹏,张澍田. 重视消化道早期癌的内镜诊治.中华结直肠疾病电子杂志,2014,3(6)：419-422.
5.Chen W, Liu Y, Hu J, et al.Dynamic Depth-Aware Network for Endoscopy Super-Resolution. IEEE J Biomed Health Inform. 2022 Oct;26(10):5189-5200.
6.Lin J, Zhu S, Gao X, et al. Evaluation of super resolution technology for digestive endoscopic images. Heliyon. 2024 Oct 3;10(19):e38920.
7.于晓欢，路璐，刘璐,等. LCI与NBI检出结直肠腺瘤的比较. 中华胃肠内镜电子杂志，2024，11(01):13-17.
8.韩双双,邬瑞金,陆一峰,等.国产内镜新光学染色技术应用价值的多中心研究.中华消化内镜杂志,2022, 39(4): 281-289.
9.Ghidersa A, Tîrcol SA, Negreanu L et al. eP464 THE ROLE OF SPECTRAL FOCUSED IMAGING IN DIAGNOSING SUBTLE MUCOSAL CHANGES IN ULCERATIVE COLITIS PATIENTS. Endoscopy 2021; 53: S250.
10.Gong R, Yue B, Sun X,et al. Magnifying endoscopy with novel image enhancement technology for gastrointestinal tumors. IGIE. 2025 Jun 6;4(3):264-269.
11.Abdelmoneim RSE, Abdelmoety AA, Baddour N,et al. The classification of gastric antral vascular ectasia in cirrhotic patients by Versatile Intelligent Staining Technology. Egypt Liver J. 2022;12(1):34.
12.宋萌,倪旭翔,王立强,等. 内窥镜下提高出血点可见性的饱和度色调映射算法.光电工程,2025,52(3):1-10.
13.Hao, X., Xu, X., Jiang, D., Zhou, G. (2022). Light Adaptation for Classification of the Upper Gastrointestinal Sites. In: Manfredi, L., et al. Imaging Systems for GI Endoscopy, and Graphs in Biomedical Image Analysis. ISGIE GRAIL 2022 2022. Lecture Notes in Computer Science, vol 13754. Springer, Cham.