我院陳泓磊教授團隊,、武漢大學人民醫(yī)院于紅剛教授團隊發(fā)布消化內(nèi)鏡人工智能最新研究成果“Validation of Artificial Intelligence-based Bowel Preparation Assessment in Screening Colonoscopy”，文章發(fā)表于美國消化內(nèi)鏡協(xié)會會刊《Gastrointestinal Endoscopy》（IF=7.7）,。

該研究主要探究了人工智能在評估篩查性結(jié)腸鏡檢查中腸道準備質(zhì)量方面的有效性，也是內(nèi)鏡精靈腸道清潔度評分功能在指導結(jié)腸鏡檢查腸道準備中的臨床關(guān)鍵證據(jù),。

研究背景

結(jié)直腸癌（Colorectal Cancer, CRC）是全球第三大常見癌癥類型,，同時也是導致癌癥死亡的主要原因之一。結(jié)腸鏡檢查作為廣泛認可且有效的結(jié)直腸癌篩查方法,，其良好的腸道準備對于結(jié)腸鏡檢查的成功至關(guān)重要,，而不充分的腸道準備可能導致結(jié)直腸粘膜視化不完全、病變漏診率升高,、操作難度增加和手術(shù)時間延長,。因此，指南推薦對腸道準備不足的患者進行早期重復(fù)結(jié)腸鏡檢查,。然而目前人工評估腸道準備存在主觀性,，而人工智能的自動化和一致性優(yōu)勢在腸道準備評估中顯示出巨大潛力。

先前研究中,，基于深度學習的AI模型在評分波士頓腸道準備量表（Boston Bowel Preparation Scale,，BBPS）方面取得了較高準確率，超過了所有內(nèi)鏡醫(yī)師,。并且AI計算的腸道清潔度評分與腺瘤檢測率也呈現(xiàn)強相關(guān)性,。但其在識別因腸道準備不足而遺漏大于5毫米腺瘤風險患者方面的能力尚未得到驗證。

研究內(nèi)容

該研究中使用的實時自動腸道準備評估系統(tǒng)（e-Boston Bowel Preparation Scale,，e-BBPS）是利用深度學習技術(shù)開發(fā),，通過分析結(jié)腸鏡檢查退鏡過程中的實時圖像來計算e-BBPS分數(shù)，該評分基于波士頓腸道準備量表開發(fā)并在前期團隊研究中得到驗證,。該系統(tǒng)評分范圍為0-20,，每個數(shù)字代表BBPS 0-1幀占比5%的區(qū)間（例如，0%-5%對應(yīng)e-BBPS分數(shù)為1,，5%-10%對應(yīng)e-BBPS分數(shù)為2,，以此類推）。根據(jù)結(jié)腸鏡篩查的25% 腺瘤檢出率（adenoma detection rate,，ADR）標準,，將e-BBPS評分為3分作為保證ADR大于25%的閾值，即所謂的高質(zhì)量結(jié)腸鏡檢查,。因此,，當e-BBPS評分≤3的患者定義為AI合格患者,，反之即為AI不合格患者，需要二次腸道清潔,?；谝陨舷到y(tǒng)，在中山大學附屬第八醫(yī)院進行了一項前瞻性,、單中心,、觀察性研究，探究該系統(tǒng)在準確識別因腸道準備不足而漏診>5mm腺瘤風險患者的能力,。

▲人工智能內(nèi)鏡精靈在我院的臨床應(yīng)用

從2021年10月8日至2022年11月9日,，連續(xù)招募了446例結(jié)腸鏡篩查患者，最終納入研究的有393例患者,。其中80例患者被e-BBPS患者評定為腸道準備不合格,，77例患者被操作內(nèi)鏡醫(yī)師評定為不合格。入組流程圖如圖1所示,。

▲患者入組流程圖

在e-BBPS評定為腸道準備不合格的患者中,，大于5毫米腺瘤的漏檢率（>5mm Adenoma miss rate，AMR）顯著高于評定為合格的患者（35.71% vs 13.19%,，p=0.0056）,。此外，總腺瘤漏診率（AMR）和息肉漏檢率（PMR）在不合格組也顯著更高,。詳細結(jié)果如下表所示,。

五名獨立的內(nèi)鏡醫(yī)師對視頻錄像進行了評估，結(jié)果顯示e-BBPS系統(tǒng)與專家內(nèi)鏡醫(yī)師之間在評估腸道準備質(zhì)量方面具有較高的一致性,。兩兩一致性評估結(jié)果如下表所示,。

總結(jié)

本研究驗證了基于人工智能的定量腸道準備評估系統(tǒng)（ e-BBPS），其可以準確識別因腸道準備不足而有漏檢病灶風險的患者,。根據(jù) e-BBPS 評估結(jié)果,，腸道準備不充分的患者應(yīng)盡早復(fù)查結(jié)腸鏡,，而腸道準備充分的患者可按標準時間間隔復(fù)查,。并且AI系統(tǒng)的評估與專家內(nèi)鏡醫(yī)師的評估具有較高的一致性，這支持了AI在標準化腸道準備評估中的應(yīng)用前景,。

此外,，AI系統(tǒng)的實施可能有助于標準化臨床實踐，減少主觀性,，提高篩查一致性和效率,。長遠來看，AI的輔助可能減輕內(nèi)鏡醫(yī)師的工作負擔,，讓他們能夠更專注于病變的檢測,，從而可能提高醫(yī)療服務(wù)的整體質(zhì)量,。

陳泓磊提醒，腸道準備不充分的患者應(yīng)盡早復(fù)查結(jié)腸鏡,，而腸道準備充分的患者可按標準時間間隔復(fù)查,。

?

消化內(nèi)鏡中心/文圖

?