中科院一区 IF7.7！我院陈泓磊教授团队发布人工智能研究成果

我院陈泓磊教授团队、武汉大学人民医院于红刚教授团队发布消化内镜人工智能最新研究成果“Validation of Artificial Intelligence-based Bowel Preparation Assessment in Screening Colonoscopy”，文章发表于美国消化内镜协会会刊《Gastrointestinal Endoscopy》（IF=7.7）。

该研究主要探究了人工智能在评估筛查性结肠镜检查中肠道准备质量方面的有效性，也是内镜精灵肠道清洁度评分功能在指导结肠镜检查肠道准备中的临床关键证据。

研究背景

结直肠癌（Colorectal Cancer, CRC）是全球第三大常见癌症类型，同时也是导致癌症死亡的主要原因之一。结肠镜检查作为广泛认可且有效的结直肠癌筛查方法，其良好的肠道准备对于结肠镜检查的成功至关重要，而不充分的肠道准备可能导致结直肠粘膜视化不完全、病变漏诊率升高、操作难度增加和手术时间延长。因此，指南推荐对肠道准备不足的患者进行早期重复结肠镜检查。然而目前人工评估肠道准备存在主观性，而人工智能的自动化和一致性优势在肠道准备评估中显示出巨大潜力。

先前研究中，基于深度学习的AI模型在评分波士顿肠道准备量表（Boston Bowel Preparation Scale，BBPS）方面取得了较高准确率，超过了所有内镜医师。并且AI计算的肠道清洁度评分与腺瘤检测率也呈现强相关性。但其在识别因肠道准备不足而遗漏大于5毫米腺瘤风险患者方面的能力尚未得到验证。

研究内容

该研究中使用的实时自动肠道准备评估系统（e-Boston Bowel Preparation Scale，e-BBPS）是利用深度学习技术开发，通过分析结肠镜检查退镜过程中的实时图像来计算e-BBPS分数，该评分基于波士顿肠道准备量表开发并在前期团队研究中得到验证。该系统评分范围为0-20，每个数字代表BBPS 0-1帧占比5%的区间（例如，0%-5%对应e-BBPS分数为1，5%-10%对应e-BBPS分数为2，以此类推）。根据结肠镜筛查的25% 腺瘤检出率（adenoma detection rate，ADR）标准，将e-BBPS评分为3分作为保证ADR大于25%的阈值，即所谓的高质量结肠镜检查。因此，当e-BBPS评分≤3的患者定义为AI合格患者，反之即为AI不合格患者，需要二次肠道清洁。基于以上系统，在中山大学附属第八医院进行了一项前瞻性、单中心、观察性研究，探究该系统在准确识别因肠道准备不足而漏诊>5mm腺瘤风险患者的能力。

▲人工智能内镜精灵在我院的临床应用

从2021年10月8日至2022年11月9日，连续招募了446例结肠镜筛查患者，最终纳入研究的有393例患者。其中80例患者被e-BBPS患者评定为肠道准备不合格，77例患者被操作内镜医师评定为不合格。入组流程图如图1所示。

▲患者入组流程图

在e-BBPS评定为肠道准备不合格的患者中，大于5毫米腺瘤的漏检率（>5mm Adenoma miss rate，AMR）显著高于评定为合格的患者（35.71% vs 13.19%，p=0.0056）。此外，总腺瘤漏诊率（AMR）和息肉漏检率（PMR）在不合格组也显著更高。详细结果如下表所示。

五名独立的内镜医师对视频录像进行了评估，结果显示e-BBPS系统与专家内镜医师之间在评估肠道准备质量方面具有较高的一致性。两两一致性评估结果如下表所示。

总结

本研究验证了基于人工智能的定量肠道准备评估系统（ e-BBPS），其可以准确识别因肠道准备不足而有漏检病灶风险的患者。根据 e-BBPS 评估结果，肠道准备不充分的患者应尽早复查结肠镜，而肠道准备充分的患者可按标准时间间隔复查。并且AI系统的评估与专家内镜医师的评估具有较高的一致性，这支持了AI在标准化肠道准备评估中的应用前景。

此外，AI系统的实施可能有助于标准化临床实践，减少主观性，提高筛查一致性和效率。长远来看，AI的辅助可能减轻内镜医师的工作负担，让他们能够更专注于病变的检测，从而可能提高医疗服务的整体质量。

陈泓磊提醒，肠道准备不充分的患者应尽早复查结肠镜，而肠道准备充分的患者可按标准时间间隔复查。

消化内镜中心/文图