《Diagnostics》：Artificial Intelligence-Assisted Endoscopic Assessment of Response to Neoadjuvant Chemoradiotherapy in Esophageal Cancer: From Residual Disease Detection to Active Surveillance and Surgical Decision-Making
编辑推荐：
新辅助放化疗（Neoadjuvant Chemoradiotherapy, NCRT）后行食管切除术仍是局部晚期可切除食管癌的标准治疗。主动监测（active surveillance）对达到临床完全缓解（clinical complete response,
新辅助放化疗（Neoadjuvant Chemoradiotherapy, NCRT）后行食管切除术仍是局部晚期可切除食管癌的标准治疗。主动监测（active surveillance）对达到临床完全缓解（clinical complete response, cCR）标准的患者推迟或避免手术。该判断所依赖的基础是脆弱的：cCR由所使用的任何模态、在任何时间点、在任何随访强度下拼凑而成。cCR是一种临床分类，而病理完全缓解（pathologic complete response, pCR）则建立在切除标本之上。内镜承担了大部分权重，且观察者依赖性的判读仍令人担忧。研究人员检索了PubMed、Embase和Cochrane Library数据库，时间从建库至2026年7月15日，并对结果进行了叙述性综合。治疗背景差异足以扭曲任何合并解读，因此研究人员将证据分为四个层级——NCRT治疗队列中的内镜人工智能（artificial intelligence, AI），按治疗前与治疗后图像采集时点区分、常规内镜和病理反应评估、来自新辅助化疗或免疫治疗的间接AI证据、以及其他临床和方法学背景——而非进行合并。预测模型与诊断研究由两名医师使用特定设计工具独立评价。主动监测在SANO试验中实现了与立即手术相比非劣效的两年总生存。preSINO研究衡量了这种安心的不完全程度：咬式活检（bite-on-bite biopsy）联合内镜超声引导细针穿刺活检（endoscopic ultrasound-guided fine-needle aspiration, EUS-FNA）对残留疾病的阴性预测值（negative predictive value, NPV）为68.7%。在所总结的七项基于内镜的建模报告中，一项在NCRT队列中使用了治疗前图像，六项来自非放疗或主要为非放疗队列的间接研究。没有一项研究在NCRT后图像中单独验证AI用于当前残留疾病检测。大多数为回顾性、单中心、静态图像研究，且在新辅助化疗而非放化疗队列中进行；最大样本纳入了46个中心的1041例患者，报告原发灶pCR的灵敏度为80%、特异度为90%，而非患者层面的ypT0N0。患者层面的灵敏度、阴性预测值、校准和决策曲线分析（decision curve analysis）很少被报告。内镜AI应作为复合反应评估的一部分，作为第二阅片者（second reader）——而非决定是否可省略手术或放宽监测的手段。尚未进行的、最具信息量的研究不是另一个受试者工作特征曲线下面积（area under the curve, AUC）比较，而是一项前瞻性试验，在系统性咬式活检基础上增加AI靶向采样，以患者层面残留疾病的假阴性率（false-negative rate, FNR）为主要终点。AI具有标准化图像解释的潜力；需要前瞻性读者研究来建立实践中的可重复性。其是否能使主动监测更安全尚不可知。
Introduction（引言）
局部晚期可切除食管癌的标准治疗为新辅助放化疗（NCRT）后行食管切除术。部分患者在标本中无存活肿瘤，即病理完全缓解（pCR），这使得对符合临床完全缓解（cCR）标准的患者采取主动监测成为器官保留的主要研究方向。主动监测通过密集再评估推迟或避免手术，由挽救手术应对残留疾病或再生长，旨在区分可继续观察的低风险患者与需立即手术的高风险患者，且不损害治愈机会。SANO试验作为最高级别临床证据，在多中心阶梯楔形集群随机非劣效3期试验中表明，主动监测的两年总生存率不劣于立即手术。然而，该策略伴随随访时间短和局部区域再生长常见的问题，因此提升残留疾病与早期再生长的检测安全性至关重要。NCRT后食管壁同一节段可共存炎症、水肿、坏死、溃疡、再上皮化、瘢痕和深部纤维化，白光内镜（WLE）难以发现表黏膜下或散在残留肿瘤，内镜超声（EUS）亦受治疗后纤维化干扰。cCR是由所用模态、时点和随访强度拼凑的临床状态，并非pCR的别名。人工智能（AI）可从内镜图像中提取颜色、纹理、形态和空间异质性特征，用于可疑区域定位和风险模型构建，但本综述所纳入的研究中，尚无模型单独利用NCRT后图像验证当前残留疾病检测或主动监测管理。
Literature Search, Evidence Stratification, and Key Concepts（文献检索、证据分层与关键概念）
研究人员系统检索PubMed、Embase和Cochrane Library，从建库至2026年7月15日，并进行叙述性综合。由于治疗方案、检查时点、内镜采集方式、终点定义和验证设计差异过大，无法对模型性能进行定量合并，故按临床任务为比较单位进行叙述性比较。证据分为四层：NCRT队列的内镜AI（按图像采集时间分层）、常规内镜和病理反应评估、新辅助化疗或免疫治疗后的间接内镜AI、其他临床和方法学背景。去重后348条记录中，最终纳入49篇报告。七篇核心内镜建模报告中，一篇为NCRT治疗前预测，六篇为间接研究，无单独验证NCRT后图像残留检测者。预测模型与诊断研究由两名医师使用PROBAST + AI（2025，模型评价组件）和QUADAS-2独立评价。关键概念严格区分：病理反应按肿瘤退缩分级（tumor regression grade, TRG）评估，患者层面pCR定义为ypT0N0，原发灶pCR为ypT0；cCR是特定时间点的临床分类；三个建模任务（治疗前预测、当前残留检测、再生长预测）的参考标准、模型架构和临床后果各不相同。在主动监测中，患者层面灵敏度、假阴性率、阴性预测值（NPV）、校准和决策曲线分析（decision curve analysis）至少与受试者工作特征曲线下面积（AUC）同等重要。
Pathological Basis of Residual Disease After NCRT and Limitations of Conventional Assessment（NCRT后残留疾病的病理基础与传统评估的局限性）
NCRT后残留肿瘤极少形成连续大体肿块，多以黏膜或黏膜下微小灶、散在单个细胞或跳跃式分布存在，部分可达肌层或食管周围组织。病理系列明确指出，即使黏膜表面明显改善或再上皮化，黏膜下疾病仍持续存在，表面表型与深部病理的背离是传统内镜和表层活检假阴性的根源。放射性食管炎和修复期改变（肉芽组织、瘢痕收缩、间质纤维化）在颜色、表面不规则性和管腔狭窄上与残留肿瘤重叠，且不同评估时点的炎症表现各异，AI模型需在一致时间窗内训练验证。原发灶反应不能提示区域淋巴结状态，仅在肿瘤床图像上训练的模型无法覆盖区域淋巴结微转移。空间异质性导致标签噪声：将活检阴性的患者所有图像标记为完全反应，会在深部或跳跃式残留处引入系统性噪声。可信模型应通过复合参考标准（手术病理、阳性活检、挽救病理或长期随访）并在空间上与图像、活检坐标和切除标本配准。
Endoscopic Candidate Findings, Sampling Strategy, and Evidence for AI-Based Prediction（内镜候选发现、取样策略与AI预测证据）
White-Light Endoscopic Findings and Their Quantitative Performance
白光内镜仍是原发肿瘤床评估的起点，但单一主观印象不足以省略手术。持续或新发结节、局灶隆起、颗粒状表面、不规则凹陷及相对周围炎症突出的黏膜异常应优先取样，而非作为残留肿瘤证明。边缘结节、进行性表面不规则或跨次检查恶化的溃疡比单纯溃疡存在更值得关注。孤立二元变量（溃疡、瘢痕、狭窄）信息量有限，复合表型（残留肿块、绒毛状表面、局灶牵拉、异常上皮内乳头毛细血管袢（IPCL）、表面不均匀侵蚀等）结合时间演变携带更多信息。任务目标是将多尺度发现转化为可重复定量表征，读出患者层面残留风险和区域层面取样优先级。
Image-Enhanced Endoscopy and Magnifying Assessment of the Post-Treatment Mucosa
窄带成像（NBI）、蓝激光成像（BLI）、联动色成像（LCI）及放大内镜理论上可在弥漫性炎症背景下增强微血管和颜色对比。候选特征包括局灶血管密度增加、口径不均和走行紊乱。上皮内乳头毛细血管袢（IPCL）分类系统原用于未治疗的早期食管鳞癌，不能直接外推至NCRT后黏膜，因放疗导致血管闭塞、重塑和慢性炎症。
Biopsy Strategy, the Role of EUS, and the Residual Risk Quantified by preSINO
传统表层活检存在位置和深度不足的问题。preSINO及后续研究主张系统取样联合咬式活检（bite-on-bite biopsy）到达更深组织，靶向与系统活检互补。EUS在T分期上受纤维化干扰，其价值在于识别可疑区域淋巴结并经细针穿刺活检取样。preSINO为东亚食管鳞癌前瞻性多中心研究，NCRT后4–6周进行CRE-1联合咬式活检，10–12周对初始阴性者行PET-CT和EUS-FNA。242例手术验证患者中，任何局部区域残留疾病（TRG2–4或ypN+）患病率69.8%，灵敏度81.7%，特异度93.2%，NPV 68.7%，提示99例阴性评估中31例手术时仍有残留。高危终点（TRG3–4或TRG1–2伴ypN+）FNR为13.5%。循环肿瘤DNA（ctDNA）探索性显示可将FNR从14.9%降至5.4%，ctDNA阳性者系统复发率28.0%，阴性者5.3%，更适合补充系统微小残留风险。
Evidence from Endoscopic AI Models
治疗前内镜AI不能确认NCRT后当前残留。Miura等利用新辅助化疗队列融合模型预测病理反应，AUC 0.77，属间接证据。Kawahara等回顾性纳入98例NCRT患者，治疗前图像预测pCR平均AUC 0.83，无外部验证。Matsuda等将内镜AI从单中心（193例）推进至日本46中心（1041例），识别pCR的灵敏度从60%升至80%，特异度90%。Yuan等构建EC-HAENet，多数患者接受化疗或化学免疫治疗，属非放疗间接证据，时间独立测试不能替代跨中心验证。放射相关血管重塑和纤维化改变输入分布，间接研究的表观性能不能定量转移至NCRT，校准和灵敏度需重新估计。现阶段AI更适合作为第二阅片者、风险提示和取样引导，而非替代内镜医师、活检或多学科决策。类激活图仅显示模型关注区域，非像素级分割或活检导航。
Levels of Analysis, Static Images Versus Full-Procedure Video, and External Generalizability
应区分患者层面分类、图像层面分类、弱监督定位和经病理验证的病灶层面定位。静态图像研究依赖内镜医师选择代表性图像，易引入选择偏倚和患者层面数据泄露。全手术视频保留病灶整体范围、观察角度和连续转换，更接近真实检查，但需解决运动模糊、反光和黏液遮挡等伪影。弱监督学习、关键帧选择和时间聚合使视频免于逐帧标注。数据应按患者或完整检查划分，同一检查相邻帧不得同时进入训练集和测试集。泛化性取决于内镜厂商、处理器、成像模式和分辨率等多因素，应报告设备元数据、图像质量排除标准和完整检查比例。
Longitudinal Endoscopic AI and Endoscopy-Centered Multimodal Integration（纵向内镜AI与以内镜为中心的多模态整合）
纵向模型通过比较基线、NCRT后首次评估、第二次评估和连续主动监测访问中的病灶面积、溃疡愈合、结节变化和狭窄速度，构建患者专属反应轨迹，对主动监测而言变化方向常比单一征象更重要。计算机断层扫描（CT）和磁共振成像（MRI）的纵向深度学习研究提供间接方法学支持，但均非NCRT后人群且终点非当前残留疾病。多模态整合目的不是简单累加阳性发现，而是让各模态弥补盲区。内镜显示黏膜表面，增强CT增加肠壁和淋巴结解剖，正电子发射断层扫描-计算机断层扫描（PET-CT）用于检测间隔远处转移，MRI（尤其弥散加权成像和表观弥散系数（ADC））提供组织细胞密度信息。病理和分子信息（免疫特征、ctDNA、数字病理）提供生物学先验。在其他肿瘤类型中，融合MRI和内镜影像的研究显示技术互补。对食管癌的启示是：多模态模型应以内镜为中心，通过消融分析证明各模态相对单内镜的增量价值。由于内镜二维图像与CT/MRI三维坐标系无可靠像素-体素对应，且多系统数据标识不一致，精确空间配准不可行，应追求患者或病灶层面配准（距门齿距离、病灶长度、圆周比例等），并在特征或决策层面整合。时间对齐同样重要，评估应报告单内镜、单其他模态和融合模型结果。
From Response Prediction to Active Surveillance and Surgical Decision-Making（从反应预测到主动监测与手术决策）
pCR模型回答条件问题，不能直接转化为省略手术的建议。即使高预测pCR概率也须通过标准化cCR评估、充分活检、区域淋巴结评估、系统影像和多学科讨论。SANO试验中主动监测组83例因局部区域再生长接受延迟手术，中位间隔5.9个月，R0、R1和R2切除率及90天死亡率与手术组无显著差异，但局部区域再生长在随访前3个月内约半数发生，使初始cCR后早期成为关键窗口。延长随访显示传统临床变量预测能力有限（乐观校正一致性指数（C-index）仅0.56），这是定量内镜表型和纵向AI的直接临床论据。回顾性观察等待队列亦提示治疗前圆周范围和再评估症状与复发相关。充分模型应输出四个独立风险：原发灶当前残留、区域淋巴结残留、局部区域再生长和远处转移。患者可分为低、中、高风险三层，但无固定阈值经前瞻性验证。预期工作流程在NCRT和标准内镜后加入AI辅助回顾、系统活检及可能的AI靶向取样，再整合多学科审查和共同决策。低AI评分不取消阳性活检或可疑结节评估，不一致或质量差需临床审查而非自动归类。尚无研究确立可安全授权延迟手术的NPV或FNR阈值，preSINO设计的高危诊断终点最大FNR 19.5%上限并非可接受标准，说明性目标FNR ≤5%仅为研究标准。前瞻性影响研究还必须评估R0挽救切除、远处进展和生存。临床效用应以避免的无益手术数、漏检残留数、再生长检测提前时间、检查负担和R0挽救切除率衡量。
Methodological Limitations and Future Research Directions（方法学局限与未来研究方向）
本综述未前瞻性注册，证据类别在修订期间分配。核心缺口兼具时间性和治疗性：无研究单独验证NCRT后图像的当前残留检测。EC-HAENet中3例放疗患者不构成NCRT后队列。现有研究受治疗方案、组织学、检查时点和内镜设备异质性影响，且地理和人口学上集中，以东亚食管鳞癌为主，而腺癌具有不同病灶特征。SANO评估完整监测策略而非AI指数试验，其结果不能外推至食管鳞癌（ESCC）训练的AI模型。内部验证和仅报告AUC限制可迁移性证据。未来应按患者和完整检查划分数据，报告灵敏度、FNR、NPV、校准和临床净获益。类激活图不显示区域是否含残留肿瘤，可解释性声明需空间映射验证。标准化内镜数据库应固定关键时点、存储完整视频、记录活检坐标和病理结果，并建立标准化词典。研究设计应围绕手术病理队列（训练当前残留模型）和主动监测队列（验证动态风险模型）。图像采集应记录距门齿距离、病灶长度、圆周比例、内镜通过性和设备元数据，质量控制应标记而非丢弃技术困难检查。AI辅助活检前瞻性试验应以患者层面残留检测率、FNR和每例活检数为主要终点。纵向模型可指定为多状态、竞争风险或联合模型，并需时间、地理和跨设备验证。从开发到临床使用应分阶段：回顾性开发、外部验证、前瞻性静默验证、有无AI辅助的前瞻性比较和临床效用评估。临床界面应显示预测不确定性和分布外病例，使AI作为风险信号而非自动指令。随机NEEDS试验提供器官保留研究背景，但非结局证据。
Conclusions（结论）
内镜仍是NCRT后原发肿瘤床评估的核心工具，但治疗后的炎症和纤维化覆盖深层、散在或不连续残留疾病，仅凭单次肉眼检查和表层活检排除肿瘤不可靠。持续或新发局灶结节、不规则溃疡、进行性狭窄和病灶范围变化是值得定量的候选指征。目前，充分的系统性深取样联合EUS引导可疑淋巴结取样仍是提高反应评估灵敏度的最可靠途径。现有内镜AI研究证实可从治疗前或治疗后图像预测病理反应，但唯一NCRT特异性模型使用治疗前图像，无专门NCRT后图像验证，多数研究基于回顾性静态图像。AI的提议作用为第二阅片者、可疑区域提示、活检辅助和动态风险分层工具，不能独立确认pCR或决定省略手术。下一步是从精选静态图像转向标准化完整视频和患者层面纵向轨迹，利用手术病理和主动监测队列、图像-病理空间配准、跨中心外部验证和前瞻性临床效用试验。对临床读者而言，所述模型无一被证明可让患者跳过手术，preSINO的13.5% FNR和68.7% NPV均非AI性能估计或省略手术阈值。尚未进行的、最具信息量的研究不是另一个AUC比较，而是一项在系统性咬式活检上增加AI靶向取样的前瞻性试验，以患者层面残留疾病FNR为主要终点。在此类试验报告前，内镜AI有标准化图像解释的潜力，但是否使主动监测更安全尚不可知，需前瞻性读者研究确立实践可重复性。
