本文中，首先金教授介绍了人工智能的概念，针对医学的AI基本算法，以及人工智能在医学上的应用：辅助诊断和图像识别、个性化用药和治疗、医疗管理以及机器人辅助手术。

第二部分，金教授着重介绍了EUS联合人工智能在各种消化病中的应用：

AI在EUS诊断食管肿瘤中的应用：南京医科大学附属明基医院构建的基于卷积神经网络的超声内镜在食管病变检测中的应用研究表明：EUS对粘膜下病变的起源具有较高的准确率，而对病变侵袭范围的评估误诊率略高。

AI在EUS诊断胃肠道间质瘤中的应用：釜山国立大学医学院和生物医学研究所内科的研究发现：卷积神经网络计算机辅助诊断系统在EUS图像上诊断胃间充质肿瘤具有较高的准确性，它可以补充目前在EUS诊断胃间充质肿瘤的临床实践。

上海长海医院联合复旦大学电子工程系的研究成果：TN-USMA模型基于三重归一化的胃肠道间质肿瘤的多中心EUS图像分类，此模型可以成功地区分高风险胃肠道间质瘤和低风险胃肠道间质瘤。它是准确的，稳健的，可推广的，和有效的潜在的临床应用。

AI在EUS诊断胰腺病变内镜诊断中的应用：上海长海医院消化内科的基于 EUS 图像支持向量机的数字成像处理和模式识别对胰腺癌与正常组织的鉴别诊断研究显示：数字成像处理对 EUS 图像进行区分胰腺癌和正常组织的分类非常有用。这种模型的进一步改进可以提高肿瘤 EUS 诊断的准确性。

美国的梅奥诊所研究表明：EUS 图像的数字图像分析在区分 PC 、慢性炎症和正常组织方面是准确的， 可以发展成为胰腺疾病中有用的临床诊断工具，并且在某些情况下可代替 EUS 引导的 FNA。

AI在胆道疾病EUS诊断中的应用：ResNet50架构的新型EUS-AI系统对胆囊肿瘤性息肉具有良好的诊断效能，其诊断效能与EUS内镜医师相当。

AI在肝良恶性疾病EUS诊断中的应用：本研究开发了一种基于EUS图像的卷积神经网络（CNN）人工智能模型，能够自动识别肝脏肿物并准确区分良恶性。

最后金教授对于EUS联合人工智能在消化病中的应用进行了展望：