人工智能在内镜肝病学中的路线图：迈向肝脏导向内镜的智能一站式平台

综述把AI与内镜肝病学的交汇整理为四个功能支柱：智能血流动力学评估、虚拟组织学、精准组织获取、整合风险分层与治疗及决策支持。 此前AI在内镜与肝病学中的进展分散于管腔内镜、肝脏影像、数字病理与结局预测等方向，尚未被综合为一个连贯的领域；本文首次以肝脏导向内镜工作流为主线进行整合。 属于叙述性综述的框架性整合，基于对相邻领域证据的组织与归纳，而非新的一手实验数据。

由于肝脏EUS专属的AI直接证据仍然有限，综述以相邻领域的原理验证作为依据，包括非肝脏适应症的AI辅助EUS、经腹AI弹性成像与AI组织病理学，来勾勒近期可能的整合路径。 把可迁移证据与尚属推演的应用区分开来，使读者能看清哪些能力已有相邻证据支撑、哪些仍属概念性设想。 证据来自相邻适应症与相邻模态的原理验证，属于间接外推，文中明确说明直接EUS肝脏证据有限。

提出三层就绪度框架，并以领域表格与临床路径图呈现，用于区分已证实能力、外推性应用与概念性应用。 为这一早期领域提供了一个可操作的成熟度标尺，便于把不同成熟度的应用分层看待。 框架为作者提出的概念性工具，其依据是对现有证据成熟度的归纳判断。

综述判断该领域仍处非常早期阶段，但AI有潜力将内镜肝病学转变为单一机器驱动的诊疗平台，前提是具备标准化数据集、前瞻性验证以及明确的监管与治理标准；最直接的价值将出现在证据可迁移的应用中，血流动力学与风险预测应用将随设备级数据积累而跟进。 给出了价值落地的时间顺序判断，把可迁移证据的应用置于优先位置，而非笼统宣称全面突破。 属于前瞻性判断与路线图式结论，依赖条件性前提（标准化数据、前瞻验证、监管治理），并非已验证的临床结果。

本文的定位是面向未来的路线图，适用于关注肝脏导向内镜工作流整合的研究者、内镜与肝病临床团队以及参与监管与治理讨论的相关方。它意在说明在具备标准化数据集、前瞻性验证与明确监管治理标准的前提下，AI可能把内镜肝病学推向单一机器驱动平台；其最直接的价值预期落在证据可迁移的应用上，血流动力学与风险预测应用则被置于随设备级数据积累而跟进的阶段。

读者仍需留意：文中所述整合路径多建立在非肝脏适应症的AI辅助EUS、经腹AI弹性成像与AI组织病理学等相邻证据之上，这些证据向肝脏EUS工作流的迁移程度尚待检验；三层就绪度框架中哪些应用能在前瞻性验证中保持稳定、标准化数据集与监管治理标准将以何种形式落地，都是开放问题。此外，本次读取为摘要范围的快速解析，未包含正文中的领域表格与临床路径图细节，因此对表格与图示所承载的具体分层信息无法在此展开，这构成对可总结内容的一项限制。