韩联合研究团队开发XAI模型 胃食管反流病诊断敏感度超90

韩国纳米综合技术院6月16日宣布，该院与延世大学医院、韩国科学技术院（KAIST）组成的联合研究团队，成功开发出可识别潜在胃食管反流病患者的XAI模型。该模型综合诊断敏感度超过90%，相关成果已发表于国际学术期刊《npj数字医学》5月刊。

研究主体与核心指标

此次研发由韩国纳米综合技术院主导，联合延世大学医院、KAIST共同推进。模型在识别潜在胃食管反流病患者方面取得突破，综合诊断敏感度突破90%。敏感度是衡量模型能否准确发现真实病例的关键指标，该数值意味着模型能有效筛出大部分潜在患者。

“该模型综合诊断敏感度超过90%”——韩国纳米综合技术院公告

技术成果与发表平台

研究团队开发的XAI模型（可解释人工智能模型）旨在提升胃食管反流病的早期识别效率。相关论文已通过《npj数字医学》5月刊正式对外发布，该期刊是数字医学领域的重要学术平台。

• 开发方：韩国纳米综合技术院、延世大学医院、KAIST联合研究团队
• 模型类型：XAI（可解释人工智能）模型
• 应用领域：胃食管反流病识别
• 诊断敏感度：超90%
• 发表载体：《npj数字医学》5月刊

AI模型识别胃食管反流假阴性病例 提升常规检测准确率

针对胃食管反流病现有常规检测存在较高误诊率的问题，研究团队开发出一种基于无监督学习的AI异常检测模型，旨在识别常规检测结果正常但实际存在症状的潜在假阴性患者。

AI模型工作原理与数据采集

研发团队采用的AI模型基于无监督学习的异常检测算法。模型首先学习健康人群的食道酸碱度信号规律，随后对检测数据进行比对，可筛选出常规检测显示酸碱度暴露时间低于4%、但信号波动存在异常的潜在假阴性病例。

研究团队通过在患者食道与胃部连接处附着小型胶囊传感器，连续48小时监测酸碱度数据，累计获得数百份有效样本用于模型训练和验证。

现有检测痛点

胃食管反流病是一种会引发烧心、慢性咳嗽等症状的消化类疾病。目前常规检测手段存在较高的误诊率，不少有明显症状的患者，其检测结果显示为正常，进而可能延误治疗。

逻辑拆解：如何“识别”假阴性

该AI检测的核心逻辑在于：

该技术路径试图解决胃食管反流病诊断中长期存在的“有症状但检测正常”的临床困境，为后续治疗方案的制定提供更准确的依据。

临床AI模型在常规检测中筛出108例疑似异常，敏感度超90%

研发团队披露的最新临床数据分析显示，一款用于筛查异常的AI模型在493名经常规检测判定为正常的受检者中，识别出108名可疑案例，异常人群占比约22%。该模型整体阳性识别敏感度突破90%，表明其对隐匿性异常的检出能力远高于传统常用阈值。

技术成熟度与后续路径

据研发团队介绍，该技术目前处于“技术成熟度6级”阶段，标志着已完成试制品生产与性能验证。下一步规划是开展临床适用性测试及商用化部署，以期填补现有标准检测手法在早期或非典型异常方面的覆盖空白。

整体阳性识别敏感度超过90%，在493名“正常”受检者中另发现108例异常。

• 受检者总数：493名；异常检出数：108名（占比约22%）
• 技术成熟度6级：指系统/组件在相关环境中完成验证，可生产试制品
• 后续重点：临床适用性验证、商用化推进

业内人士分析指出，敏感度超过90%意味着该模型能够大幅降低假阴性风险，对于人口筛查场景具有显著临床参考价值。但由于当前仅为试制品阶段，其在真实世界中的稳定性与特异性仍需更大规模数据验证。