消化科 AI 的“近8年”，我从 2018-12-06 EndoBRAIN 在日本获批这个产品化节点算起。到 2026-07-20，精确相差 7年7个月14天，所以标题写“近8年”，而不是简单写 2021 年 GI Genius 之后的“5年”。
我对消化科 AI 当前阶段的判断很明确：它已经不是证明算法能不能在屏幕上框出一个息肉，而是证明 AI 能不能进入退镜观察、质量控制、报告归档、病理回传和随访管理。
图注：Cosmo GI Genius 官方产品页截图，访问时间 2026-07-20。它展示的是实时 AI 内镜辅助模块的产品形态，而不是监管数据库页面。
消化科AI为什么现在值得看？
消化科最先被 AI 改写的，不是所有门诊问诊，也不是所有胃肠疾病诊断，而是内镜室。
原因很现实。内镜检查有连续视频流，有医生必须实时观察的画面，有明确可量化的质量指标，也有后续病理、报告、复查和随访。AI 如果只在后台写一段总结，价值有限；但如果它在医生退镜时及时提醒一个可疑病灶，或在科室质控时指出退镜时间、盲区、关键帧和漏诊复盘，价值就会变得非常具体。
这也是为什么本期不把“消化科 AI”泛化成消化病大模型。真正进入工作流的主战场仍是内镜 AI，尤其是结肠镜 CADe（计算机辅助发现）、CADx（计算机辅助表征）、上消化道质量控制、EUS（内镜超声）结构识别和科室数据闭环。
消化科 AI 的第一场商业化胜负，不在模型会不会聊天，而在内镜医生做检查时会不会真正打开它。
AI怎么进入内镜工作流？
图注：这张图解释消化科 AI 从预约、肠道准备、内镜采集、AI 提示、医生处置到报告随访的真实链路。
内镜 AI 的工作流可以拆成八段。
第一段是检查入口。患者是否适合筛查、肠道准备是否到位、告知签署是否完成，会影响后面所有结果。AI 现在还很少真正接管这一段，但未来筛查风险分层会越来越重要。
第二段是内镜采集。画面清晰度、镜头距离、粘液、残渣、气泡、光照、镜体运动都会影响算法表现。很多所谓“AI 不准”，其实不是模型单独的问题，而是采集质量没有被管理。
第三段是退镜观察。结肠镜 AI 最典型的落点在这里：视频流进入模型，模型用框、声音或副屏提示医生注意可疑区域。它不替医生切除，也不替医生签报告，但会改变医生注意力分配。
第四段是医生处置。活检、切除、留观、拍照、标注、送病理，仍然是医生责任。AI 提示越多，越需要明确误报怎么处理、漏报怎么复盘。
第五段是报告归档。单次提示如果不能进入结构化报告、图片留存和关键帧归档，后续很难追责，也很难训练年轻医生。
第六段是病理回传。AI 识别的可疑病灶最后要和病理结果对上。没有这一步，医院只能看到“提示了多少”，看不到“提示得对不对”。
第七段是随访管理。息肉切除后的复查时间、病理结果后的患者通知、专病队列管理，决定了 AI 是否真的改善患者路径。
第八段是科室质控。ADR（腺瘤检出率）、退镜时间、漏诊复盘、肠道准备质量、医生培训和设备利用率，会把 AI 从一个软件功能变成内镜室管理工具。
发展历程：从获批到流程闭环
| 时间 | 节点 | 说明 | 工作流意义 |
|---|---|---|---|
| 2018-12 | EndoBRAIN 获批 | 日本公开资料显示其进入药机法批准路径 | 内镜 AI 从研究演示进入产品化节点 |
| 2020 | 高质量 RCT 出现 | AI 结肠镜研究进入前瞻性随机验证 | 讨论从“能不能识别”转向临床指标 |
| 2021-04 | GI Genius FDA 授权 | FDA DEN200055 授权 AI 辅助结肠镜检测 | 美国监管路径打开，实时 CADe 被看见 |
| 2021-2023 | 多品牌产品化 | CAD EYE、ENDO-AID、MAGENTIQ 等加速落地 | 竞争从单点算法扩展到设备和工作站 |
| 2024 | 多中心真实世界试验 | GI Genius COLO-DETECT 等研究强化真实场景证据 | 开始关注常规内镜室能否稳定提升 |
| 2025 | 光学诊断与少切策略 | GI Genius 相关光学诊断研究进入更细任务 | 从发现病灶走向类型判断和处置策略 |
| 2026 | 上消化道/EUS/质控扩展 | EndoAngel 等页面展示多场景 AI 套件 | 内镜 AI 从结肠筛查扩展到科室平台 |
| 2026-07 | 当前阶段 | 产品要证明低误报、可集成、可复盘 | 竞争重心转向内镜流程治理 |
时间轴里最容易误判的是起点。2021 年 GI Genius 的 FDA 授权很重要，但它不是消化科 AI 产品化的最早起点。 把起点放到 2018 年，更能解释为什么今天的竞争已经不只是“谁先拿证”，而是谁能让内镜室长期用起来。
产品竞争分成四层
图注：同样叫“消化科 AI”，实时 CADe、CADx、质量控制和数据闭环解决的是不同问题。
第一层是实时 CADe。GI Genius、ENDO-AID、MAGENTIQ-COLO 都在这一层。它们的核心任务是把视频流中的可疑病灶实时标出来，降低医生漏看的概率。
第二层是 CADe+CADx。CAD EYE 和 MAGENTIQ 的部分能力都试图往这里走：不只提示“这里有东西”，还提示类型、大小或风险。这个方向临床价值更高，但责任边界也更敏感。
第三层是质量控制。EndoAngel 的代表性在这里更明显：它把结肠镜、上消化道、EUS 和质控看板连在一起，强调盲区、站点、关键帧、退镜质量和持续改进。
第四层是数据闭环。图片、视频、报告、病理、随访和科室看板如果不能打通，AI 只能停留在检查当天。如果打通，它才可能进入科室运营和质量改进。
所以医院不能把这些产品放进一张“准确率排行榜”。实时提醒、病灶表征、质量控制和数据治理，本来就不是同一层任务。
代表产品逐个拆解
GI Genius：实时CADe的标杆样本
图注：Cosmo GI Genius 官方产品页截图，访问时间 2026-07-20；页面说明其为实时 AI 内镜辅助模块，并由 Medtronic 分销。
GI Genius 的代表性在于，它把深度学习实时提示做成了一个可以接入既有内镜塔的模块。它输入的是结肠镜高清视频流，输出的是屏幕上的可疑病灶视觉标记，医生仍然负责观察、判断、切除和报告。
它的优势是流程改动小。Cosmo 官方页强调它可与主要内镜处理器集成，不需要大规模改造设备；也展示了多项临床证据和 FDA、CE 等多市场批准信息。对筛查量大的内镜室来说，这类产品最容易先试点。
但边界也清楚。GI Genius 不能替医生决定切不切，也不能替代病理结果。医院真正要验证的是本院场景下的误报负担、退镜节奏、腺瘤检出率变化、病理一致性和报告回写。
CAD EYE：设备生态里的检测+表征
图注：Fujifilm CAD EYE 官方产品页截图，访问时间 2026-07-20；页面展示 CAD EYE、内镜系统和检测/表征模块。
CAD EYE 的差异在于，它更像 Fujifilm 内镜设备生态里的 AI 功能层。官方页明确写到 CAD EYE 是 Fujifilm 的内镜 CAD 功能品牌，使用 AI 深度学习技术，并分别覆盖上消化道和结肠软件项目。
这类产品的优势是设备生态结合紧。EX-1 扩展单元、兼容系统、图像/视频存储和网络功能，使它不是一个完全独立的网页工具，而是嵌在内镜系统旁边的功能层。
医院采购时要先问一个很具体的问题：本院用的内镜主机、镜型、处理器和软件版本是否兼容？如果不兼容，再漂亮的 AI 演示也会变成额外交付成本。
MAGENTIQ-COLO：独立工作站路线
图注：MAGENTIQ-COLO 官方产品页截图，访问时间 2026-07-20；页面直接展示病灶框选、类型/大小提示和设备界面。
MAGENTIQ-COLO 走的是独立工作站路线。官方页说明它从本地内镜塔获取数字视频输出信号，实时运行深度学习和辅助算法，把病灶框选显示在主屏或副屏，并可在检查结束后导出报告和视频。
它的产品语言很清楚：兼容主流内镜系统，提供处理器版或推车版，强调 FDA clearance、CE mark、临床中心验证和月租模式。对不想整体更换内镜设备的医院，这条路线有现实吸引力。
但它的风险也来自“独立”。独立工作站如果不能和院内报告系统、图片归档和病理结果对接，就可能成为内镜室旁边的另一个孤岛。采购时要问清楚视频输出、网络、报告导出格式、接口费用和后续升级方式。
EndoAngel：从发现到质控平台
图注：EndoAngel 官方产品页截图，访问时间 2026-07-20；页面展示 AI 内镜助手套件、应用医院和 CE/NMPA 认证表述。
EndoAngel 值得放进深拆，是因为它不只把自己写成结肠镜息肉检测工具。官方页展示的产品套件包括结肠镜、上消化道和 EUS，还强调实时检测、质量控制和临床研究验证。
这条路线更接近“科室质控平台”。结肠镜关注息肉发现，上消化道关注盲区和站点，EUS 关注胰腺分割和站点识别。对医院来说，它的价值不只是单次检查提醒，而是把不同内镜场景放到同一个质量改进框架里。
边界同样要说清。官网里的应用医院数、灵敏度和认证表述，需要在本院设备、病例和适应证下重新验证。不同模块的监管状态、适用地区和临床责任，也不能混在一起宣传。
ENDO-AID：Olympus生态内的实时辅助
图注：Olympus ENDO-AID 官方产品页截图，访问时间 2026-07-20；页面展示 ENDO-AID CADe 与 Olympus 内镜设备形态。
ENDO-AID 的关键不是“又一个息肉框选工具”，而是它运行在 Olympus 设备生态里。官方页说明 ENDO-AID CADe 是使用 AI 提示潜在病灶的计算机辅助检测应用，并强调几乎实时响应、控制方式和与若干 Olympus 内镜系统兼容。
对已经大量使用 Olympus 设备的内镜室，这种生态内集成会降低学习和接入成本。它还可以和 ENDOCUFF VISION 这类改善黏膜暴露的工具形成组合，逻辑上是“先看得更充分，再让 AI 做安全网”。
它的边界也在官方页脚注里：地区和型号可能有例外。医院不能只听“兼容 Olympus”，必须拿本院具体主机、镜型、软件版本和区域注册资料逐项确认。
横向对比
| 产品 | 入口 | 核心输出 | 最适合场景 | 采购验证 |
|---|---|---|---|---|
| GI Genius | 结肠镜视频 | 实时病灶提示 | 筛查量大的内镜室 | ADR、误报、报告回写 |
| CAD EYE | Fujifilm 内镜系统 | 检测+表征 | 已用 Fujifilm 设备 | 兼容型号、存储接口 |
| MAGENTIQ-COLO | 现有内镜塔视频输出 | 框选、大小/类型、报告 | 多品牌设备房间 | 视频接口、导出格式 |
| EndoAngel | 结肠/胃镜/EUS | 提示+质量控制 | 想做科室质控平台 | 模块适应证、质控指标 |
| ENDO-AID | Olympus 设备生态 | 实时病灶提示 | Olympus 体系内试点 | 区域注册、型号兼容 |
这张表不要读成谁“更先进”。GI Genius 更像监管和证据清楚的实时 CADe 标杆；CAD EYE 更像设备生态功能层；MAGENTIQ 更像独立工作站；EndoAngel 更像多场景质控平台；ENDO-AID 更像 Olympus 生态内的低摩擦接入。
我认为医院真正该比的是四件事：本院设备能不能接、本院医生会不会用、本院报告能不能回写、本院病理和随访能不能闭环。
医院应该怎样选择？
消化科 AI 选型，我建议先从本院内镜室最痛的环节开始，而不是从厂商演示最漂亮的地方开始。
如果问题是筛查量大、医生容易疲劳、漏诊复盘压力高，优先看实时 CADe。试点指标不要只看厂商论文里的总体 ADR，而要看本院不同医生、不同肠道准备质量、不同检查时段下的误报和漏报复盘。
如果问题是设备生态稳定、希望降低集成复杂度，优先看与现有主机匹配的生态型产品。CAD EYE 和 ENDO-AID 这类产品的关键不是“AI 能不能跑”，而是是否适配本院实际型号。
如果问题是多品牌房间、多院区改造和预算灵活，独立工作站路线可能更现实。但它必须证明视频输入稳定、报告导出清楚、IT 接口可控、网络安全可审计。
如果问题是科室质控，应该重点看质量控制和数据闭环能力。 退镜时间、盲区、关键帧、病理回传、随访提醒和质控看板，可能比单次框选更能改变科室管理。
国内代表厂家：产品边界与交付方式
| 公司 | 产品 | 可核验优势 | 部署方式 |
|---|---|---|---|
| 精准医械/EndoAngel | EndoAngel AI 内镜助手 | 官网展示结肠镜、上消化道、EUS 和质控能力 | HDMI pass-through；具体院内部署招采确认 |
| 腾讯觅影 | 消化内镜 AI 探索 | 公开资料曾覆盖消化道肿瘤筛查合作 | 当前产品边界和商业交付需官网/招采确认 |
| 联影智能 | uAI 影像/医疗 AI 平台 | 官网展示医疗 AI 平台化交付能力 | 消化内镜专属模块未披露，招采时确认 |
| 深睿医疗 | 医学影像 AI 产品线 | 官网展示多病种影像 AI 产品化能力 | 消化内镜专属产品未披露，需确认适配边界 |
| 数坤科技 | 数字医生相关解决方案 | 官网展示智能诊疗和专病能力 | 是否覆盖消化内镜工作流需以合同确认 |
这张国内表只作为采购坐标，不等于它们都进入本期深度产品拆解。医院招采时必须索取注册证或备案资料、适应证、设备兼容清单、接口说明、网络拓扑、数据流向、日志审计、升级回滚和本院验证方案。公开资料没有写清的地方，就应该写进招标澄清，而不是默认厂商“应该都能做”。
风险与边界
第一类风险是把“发现”误写成“诊断”。内镜 AI 框出一个可疑区域，不等于完成诊断，更不等于自动决定活检、切除或留观。最终处置仍要结合医生观察、病理结果、患者风险和指南路径。
第二类风险是误报噪音。实时提示如果太敏感，医生会被频繁打断；如果太保守，又可能错过价值。医院试点必须看医生复核后的有效提示比例，而不是只看软件提示次数。
第三类风险是数据孤岛。AI 屏幕上闪过一个框，如果没有关键帧、报告字段、病理结果和随访标签，就很难做质量改进。真正有价值的消化科 AI，必须能留下可复盘的数据痕迹。
第四类风险是公平横比。结肠 CADe、上消化道盲区监测、EUS 结构识别和科室质控平台，不应该用同一个准确率指标硬比。任务不同、输入不同、责任不同，采购指标也必须不同。
写在最后
图注：未来消化科 AI 的业务架构，重点会从单次提示扩展到筛查入口、处置复核、报告交付、随访闭环和科室治理。
图注：未来消化科 AI 的技术架构，核心是视频、报告、病理和随访数据能否形成闭环治理。
消化科 AI 的下一阶段，不会停在“一个框框提示医生这里可能有息肉”。 这个能力很重要，但它只是入口。更大的竞争会发生在内镜室运营层：谁能把检查过程、医生复核、病理结果、报告字段、随访计划和质控指标接起来。
我更看好两类产品。一类是能低摩擦接入现有内镜设备、医生愿意每天打开的实时辅助工具；另一类是能把质控和随访做成闭环的平台。前者解决“当下别漏掉”，后者解决“长期可改进”。
本期一句话：消化科 AI 近8年的主线，不是从不会看息肉到会看息肉，而是从单点提醒走向内镜室质量、报告和随访闭环。
如果你是医院消化科或信息科负责人，今天更想先解决哪一个问题：提高病灶发现、减少误报打扰，还是把内镜质量和随访真正管起来？