当地时间10月17-20日，2026年第34届欧洲消化疾病周（UEGW 2026）在西班牙巴塞罗那盛大召开。作为全球消化领域的顶级学术盛会，本届大会汇聚了来自世界各地的消化领域权威专家，共同分享最新研究成果与前沿进展。
会议期间，苏州大学附属第一医院消化内科
早期胃癌（EGC）五年生存率高，但其内镜诊断长期依赖内镜医师对黏膜微血管与微表面结构不规则性的主观判断，存在明显的观察者间差异；白光成像敏感度有限，放大窄带成像（ME-NBI）虽能清晰显示微结构，其判读仍高度依赖经验。深度学习虽显著提升了诊断性能，却多为"黑盒"，难以解释其决策依据。
本研究引入混沌理论与熵的框架，构建了一套客观、可量化、可解释的非线性几何特征体系，并与深度学习相融合，建立多模态可解释诊断模型。
图1：研究流程
本研究将白光与ME-NBI图像沿Hilbert空间填充曲线扫描为一维序列，再经延迟嵌入重构为三维Hilbert 相空间（HRPS）。据此提取4组共9个指标：伪Lyapunov指数（刻画轨迹发散率）、近似熵／样本熵／模糊熵（刻画序列复杂度）、分形维数与边缘密度（刻画几何不规则性），以及Shannon熵（刻画强度分布）等。这些指标将肉眼所见的黏膜紊乱转化为可计算的几何度量，并具备明确的生理学对应——恶变所致的微血管与微表面结构破坏，表现为HRPS轨迹由紧凑规则转向发散不规则。在模型构建上，联合ResNet50双深度学习评分（白光与ME-NBI），经LASSO筛选特征，采用随机森林、支持向量机、XGBoost与逻辑回归等算法构建多模态模型，并通过回顾性多中心建模（4中心）＋前瞻性单中心盲法诊断试验的两阶段设计进行验证。
图2：基于三维Hilbert 相空间和多尺度分形维度的可视化
随机森林模型在外部测试集取得最优判别性能（AUC=0.958）；特征重要性分析中，NBI伪Lyapunov指数仅次于深度学习评分位居第二，且混沌／熵特征能够在深度学习误判时纠正诊断方向。在前瞻盲法试验（316例）中，该模型辅助使内镜医师的总体准确率由无辅助的0.836提升至0.892，对微小（<5mm）、
基于混沌理论与熵的非线性几何特征能够客观量化胃恶性转化相关的结构紊乱，为可解释的内镜人工智能诊断提供了新范式。
本研究是我国消化内镜人工智能领域一项原创性工作，其创新在于首次将混沌理论与熵的非线性动力学框架引入内镜图像分析——借助Hilbert空间填充扫描，化解了静态图像"无时间轴"的根本难题，把肉眼可辨却难以言传的黏膜"紊乱"转化为可计算、可解释的几何度量，为破解深度学习"黑盒"提供了兼具生理学意义与数学严谨性的新范式。研究以"多中心回顾性建模＋前瞻性盲法诊断试验"严谨验证，并切实提升各级内镜医师对微小、平坦型等疑难病变的诊断水平，临床转化价值明确。作为源自中国的高质量原创成果，本研究标志着我国在该领域正从"跟跑"迈向"领跑"，为国际同行贡献了独特的中国智慧与方案。期待后续开展多中心、跨人群验证，进一步扩大其国际影响。
李锐 教授
苏州大学附属第一医院消化内科主任、消化内镜中心主任、胰腺病中心主任，苏州大学临床医学研究院副院长
中华医学会消化病学分会内镜协作组组长
中华医学会消化内镜分会内镜机器人手术协作组组长
中华医学会消化内镜分会NOTES学组副组长
中华医学会消化病学分会胃动力学组委员
中国医师协会内镜医师分会常务委员
中国医学装备协会消化病学装备与技术分会副会长
江苏省医学会消化内镜学分会副主任委员
信源：UEGW 2026官网
本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。
我要投稿
