近年來(lái)，人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域快速發(fā)展，并在多個(gè)領(lǐng)域取得了顯著成就。人工評(píng)估結(jié)腸鏡質(zhì)量不僅浪費(fèi)時(shí)間還存在主觀偏差和錯(cuò)誤，因此很難進(jìn)一步提高腺瘤檢出率，導(dǎo)致結(jié)直腸癌發(fā)生率仍然較高。人工智能技術(shù)在臨床試驗(yàn)中表明，計(jì)算機(jī)輔助技術(shù)有助于客觀評(píng)估結(jié)腸鏡質(zhì)量，提高病變檢出率。本文就人工智能技術(shù)在結(jié)腸鏡質(zhì)量控制中的相關(guān)研究進(jìn)行系統(tǒng)性闡述。
結(jié)直腸癌發(fā)病率和死亡率在西方國(guó)家所有癌癥中位列第3位，而結(jié)腸鏡檢查是結(jié)直腸癌篩查最有效的方式［1］，且通過(guò)結(jié)腸鏡檢出和切除腺瘤等癌前病變，能夠降低結(jié)直腸癌的發(fā)病率［2］。結(jié)腸鏡篩選檢查中，作為可能發(fā)展為結(jié)直腸癌的結(jié)直腸息肉，仍有近四分之一被遺漏［3?4］。因此，提高內(nèi)鏡醫(yī)師操作水平、控制結(jié)腸鏡質(zhì)量被認(rèn)為是結(jié)腸鏡檢查篩查中提高病變檢出率、降低癌變發(fā)生率的關(guān)鍵因素［5?6］。
結(jié)腸鏡檢查質(zhì)量控制目前仍主要基于人工統(tǒng)計(jì)，這不僅耗費(fèi)時(shí)間、增加勞動(dòng)力成本，還容易出現(xiàn)錯(cuò)誤和主觀偏差，因此自動(dòng)實(shí)時(shí)結(jié)腸鏡檢查質(zhì)量控制系統(tǒng)近年來(lái)已成為研究熱點(diǎn)［7］。息肉識(shí)別技術(shù)、腸道準(zhǔn)備、退鏡速度、盲腸插管率均會(huì)影響結(jié)腸鏡檢查質(zhì)量，本文旨在評(píng)估人工智能在結(jié)腸鏡檢查質(zhì)量控制中上述方面的表現(xiàn)，以及目前的局限和未來(lái)的前景。
一、人工智能在結(jié)腸鏡檢查質(zhì)量控制中的表現(xiàn)
（一）人工智能輔助息肉識(shí)別技術(shù)
息肉識(shí)別失敗是導(dǎo)致結(jié)直腸腫瘤漏檢的一個(gè)主要決定因素，在結(jié)腸鏡檢查中，高達(dá)27%的息肉由于各種原因而被遺漏，除醫(yī)師視野之外，還有部分視野內(nèi)的息肉未被發(fā)現(xiàn)［8?10］。使用人工智能輔助檢測(cè)系統(tǒng)，就可通過(guò)視覺(jué)報(bào)警，以提醒醫(yī)師識(shí)別出現(xiàn)在視野而被忽視的結(jié)腸息肉或腺瘤［11］。
Wang等［12］率先進(jìn)行了前瞻、非盲的隨機(jī)對(duì)照試驗(yàn)，研究基于深度學(xué)習(xí)的自動(dòng)息肉檢測(cè)系統(tǒng)對(duì)息肉檢出率和腺瘤檢出率的影響，結(jié)果顯示，實(shí)時(shí)自動(dòng)息肉檢測(cè)系統(tǒng)提供即時(shí)視覺(jué)通知和聲音警報(bào)，幫助內(nèi)鏡醫(yī)師提升腺瘤檢出率至對(duì)照組的20.3%和計(jì)算機(jī)輔助檢測(cè)（CADe）組的29.1%，平均每例結(jié)腸鏡檢出的腺瘤數(shù)量為對(duì)照組0.31個(gè)和CADe組0.53個(gè)。之后，為克服非盲試驗(yàn)的操作偏差，Wang等［13］改為雙盲隨機(jī)試驗(yàn)，結(jié)果顯示，腺瘤檢出率提升至對(duì)照組的28.0%和CADe組的34.0%，且平均每例結(jié)腸鏡檢出的腺瘤數(shù)量提升至對(duì)照組的0.38個(gè)和CADe組的0.58個(gè)。Wang等［14］繼續(xù)進(jìn)行前瞻性串聯(lián)研究，比較CADe結(jié)腸鏡與常規(guī)白光結(jié)腸鏡的腺瘤漏檢情況，結(jié)果顯示，前者腺瘤漏檢率在升結(jié)腸（6.67%比39.13%）、橫結(jié)腸（16.33%比45.16%）、降結(jié)腸（12.50%比40.91%）和全結(jié)腸（13.89%比40.00%）均明顯低于后者，前者息肉漏檢率亦明顯低于后者（12.98%比45.90%）。
Repici等［4］進(jìn)行一項(xiàng)多中心隨機(jī)試驗(yàn)，將深度學(xué)習(xí)系統(tǒng)用于CADe，該試驗(yàn)中CADe組腺瘤檢出率明顯高于對(duì)照組（54.8%比40.4%），CADe組每次結(jié)腸鏡檢查腺瘤檢出數(shù)亦明顯高于對(duì)照組［（1.07±1.54）個(gè)比（0.71±1.20）個(gè)］。
Becq等［15］通過(guò)前瞻性收集結(jié)腸鏡視頻，評(píng)估了基于深度學(xué)習(xí)算法在真實(shí)臨床環(huán)境中輔助息肉檢測(cè)的有效性，人工智能輔助檢測(cè)息肉的敏感度為98.8%，陽(yáng)性預(yù)測(cè)值為40.6%，人工智能輔助檢測(cè)息肉檢出率為82%，常規(guī)內(nèi)鏡檢查的息肉檢出率為62%。
人工智能的應(yīng)用可以降低漏檢腺瘤的可能性，但很少被批準(zhǔn)使用于臨床實(shí)踐，因此Misawa等［16］開(kāi)發(fā)了人工智能輔助息肉檢測(cè)系統(tǒng)并通過(guò)設(shè)計(jì)為公共訪問(wèn)的大型結(jié)腸鏡視頻數(shù)據(jù)庫(kù)來(lái)驗(yàn)證其性能。獲得的1 405個(gè)視頻被用于驗(yàn)證數(shù)據(jù)庫(kù)，得到數(shù)據(jù)庫(kù)共152 560幀，人工智能對(duì)框架分析的敏感度為90.5%，特異度為93.7%。檢測(cè)所有息肉、小息肉、突出息肉和扁平息肉的敏感度分別為98.0%、98.3%、98.5%和97.0%。
此后，Jha等［17］進(jìn)行了一項(xiàng)基于深度學(xué)習(xí)的結(jié)腸鏡息肉實(shí)時(shí)檢測(cè)、定位與分割的研究，在Kvasir?SEG數(shù)據(jù)集上對(duì)深度學(xué)習(xí)方法進(jìn)行了基準(zhǔn)測(cè)試，預(yù)測(cè)對(duì)象類別并回歸邊界框進(jìn)行定位，給出了定量和定性的結(jié)果，檢測(cè)不同類型的息肉平均精度為0.851 3，該模型可幫助內(nèi)鏡醫(yī)師發(fā)現(xiàn)息肉，降低息肉漏診率。
Xu等［18］基于人工智能輔助結(jié)腸鏡檢查進(jìn)行的前瞻性、多中心、隨機(jī)對(duì)照試驗(yàn)，結(jié)果顯示，息肉檢出率人工智能組與常規(guī)結(jié)腸鏡檢查組相比無(wú)顯著增加（38.8%比36.2%），但每例結(jié)腸鏡檢查中非第1次檢出息肉數(shù)量顯著升高（0.5個(gè)比0.4個(gè)）。此外，人工智能組小息肉檢出率（76.0%比68.8%）和扁平息肉檢出率（5.9%比3.3%）均較高。
視頻的計(jì)算機(jī)分析可能會(huì)消除內(nèi)鏡下息肉觀察者間差異性的障礙，并使“切除和丟棄”得到廣泛接受。Byrne等［19］使用深度學(xué)習(xí)模型分析未改變的標(biāo)準(zhǔn)結(jié)腸鏡視頻，實(shí)時(shí)區(qū)分腺瘤性和增生性小結(jié)直腸息肉。該模型的準(zhǔn)確度為94%，鑒別腺瘤的敏感度為98%，特異度為83%，陰性預(yù)測(cè)值為97%，陽(yáng)性預(yù)測(cè)值為90%。
Ozawa等［20］構(gòu)建了一個(gè)能夠在結(jié)腸鏡檢查時(shí)利用存儲(chǔ)的靜態(tài)圖像準(zhǔn)確檢測(cè)和分類結(jié)腸息肉的人工智能系統(tǒng)。訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)結(jié)腸息肉敏感度為92%，陽(yáng)性預(yù)測(cè)值為86%。白光圖像的靈敏度和陽(yáng)性預(yù)測(cè)值分別為90%和83%，窄帶圖像的靈敏度和陽(yáng)性預(yù)測(cè)值分別為97%和98%。在正確檢測(cè)到的息肉中，83%的結(jié)腸息肉能通過(guò)圖像準(zhǔn)確被分類。在白光成像下，識(shí)別腺瘤的正確率高達(dá)97%，卷積神經(jīng)網(wǎng)絡(luò)顯示了通過(guò)內(nèi)鏡圖像檢測(cè)和分類結(jié)腸息肉的潛力。
（二）腸道準(zhǔn)備評(píng)估
不充分的腸道準(zhǔn)備會(huì)導(dǎo)致腺瘤檢出率降低、手術(shù)風(fēng)險(xiǎn)增加、經(jīng)濟(jì)成本增加等多個(gè)臨床問(wèn)題［21］。內(nèi)鏡醫(yī)師應(yīng)詳細(xì)記錄腸道準(zhǔn)備質(zhì)量并給出復(fù)查間隔建議，而目前臨床中5%~20%的結(jié)腸鏡檢查報(bào)告缺乏腸道準(zhǔn)備評(píng)估或建議早期復(fù)查的記錄［22］，且臨床中腸道準(zhǔn)備評(píng)估難以反映病灶檢出情況［23］，因此人工智能輔助評(píng)估腸道清潔度可以作為一種穩(wěn)定、客觀、準(zhǔn)確評(píng)估腸道準(zhǔn)備的自動(dòng)化工具。
基于深度學(xué)習(xí)的圖像分類建立計(jì)算機(jī)輔助腸道準(zhǔn)備評(píng)估，Zhou等［1］根據(jù)波士頓腸道準(zhǔn)備量表（BBPS）的定義開(kāi)發(fā)了一個(gè)名為ENDOANGEL的深度學(xué)習(xí)系統(tǒng)。該系統(tǒng)可以連續(xù)顯示不同BBPS評(píng)分的圖像累積百分比，并提供30 s進(jìn)行一次腸道準(zhǔn)備評(píng)分。在人機(jī)競(jìng)賽中，ENDOANGEL的準(zhǔn)確率達(dá)到了93.33%，優(yōu)于內(nèi)鏡醫(yī)師75.91%的準(zhǔn)確率。在視頻驗(yàn)證中，準(zhǔn)確率可達(dá)89.04%。
Zhou等［24］基于深度學(xué)習(xí)的定量腸道準(zhǔn)備系統(tǒng)進(jìn)行了前瞻性觀察性多步驟驗(yàn)證研究，該研究將結(jié)腸鏡圖像分為BBPS 0~1和BBPS 2~3，計(jì)算退鏡期間BBPS 0~1的比例，建立腸道準(zhǔn)備系統(tǒng)。每5%的比例作為一個(gè)間隔處理，對(duì)應(yīng)于e?BBPS評(píng)分（即0%~5%對(duì)應(yīng)于e?BBPS評(píng)分為1，5%~10%對(duì)應(yīng)于e?BBPS評(píng)分為2，以此類推）。e?BBPS評(píng)分與腺瘤檢出率呈顯著負(fù)相關(guān)（Spearman評(píng)分-0.976，P<0.010）。e?BBPS評(píng)分1~8分的腺瘤檢出率分別為28.57%、28.68%、26.79%、19.19%、17.57%、17.07%、14.81%和0%。根據(jù)結(jié)腸鏡篩查腺瘤檢出率25%的標(biāo)準(zhǔn)，e?BBPS評(píng)分為3分，以保證不良反應(yīng)超過(guò)25%為閾值，保證內(nèi)鏡檢查質(zhì)量。評(píng)分>3分者腺瘤檢出率明顯低于<3分者（15.93%比28.03%，P<0.001）。
Lee等［25］使用通過(guò)結(jié)腸鏡檢查視頻開(kāi)發(fā)的卷積神經(jīng)網(wǎng)絡(luò)算法來(lái)客觀評(píng)估腸道準(zhǔn)備充分性，在驗(yàn)證集中該算法在檢測(cè)腸道清潔度不足方面，曲線下面積為0.918，準(zhǔn)確性為85.3%。在測(cè)試集1中，檢測(cè)腸道準(zhǔn)備不足的敏感度為100.0%，評(píng)分者與人工智能之間的一致性為76.7%~83.3%。在測(cè)試集2中，檢測(cè)腸道準(zhǔn)備不足的敏感度為100.0%，評(píng)分者與人工智能之間的一致性為68.9%~89.7%。
（三）實(shí)時(shí)退鏡檢查質(zhì)量監(jiān)控
結(jié)腸腺瘤檢出率在不同內(nèi)鏡醫(yī)師之間差異較大，其與結(jié)腸鏡退鏡時(shí)間及內(nèi)鏡操作等因素有關(guān)，退鏡速度過(guò)快導(dǎo)致視野盲區(qū)，因此足夠的檢查時(shí)間是全面腸道黏膜檢查的重要前提，如何監(jiān)督內(nèi)鏡醫(yī)師退鏡時(shí)規(guī)范操作至關(guān)重要［26?27］。
Gong等［28］進(jìn)行的一項(xiàng)隨機(jī)對(duì)照研究，利用深度卷積神經(jīng)網(wǎng)絡(luò)和感知哈希算法開(kāi)發(fā)了一個(gè)實(shí)時(shí)質(zhì)量改進(jìn)系統(tǒng)，以監(jiān)測(cè)實(shí)時(shí)退鏡速度和結(jié)腸鏡退鏡時(shí)間，并提醒內(nèi)鏡醫(yī)師注意內(nèi)鏡滑動(dòng)引起的盲點(diǎn)。該系統(tǒng)實(shí)時(shí)監(jiān)測(cè)退鏡速度準(zhǔn)確度為95.24%，靈敏度為76%，特異度為76%。該系統(tǒng)使腺瘤檢出率從8%提高到16%（P<0.01）。
Su等［29］基于深度卷積神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)了一套自動(dòng)質(zhì)量控制系統(tǒng)，計(jì)算退鏡時(shí)間、監(jiān)測(cè)退鏡穩(wěn)定性、評(píng)估腸道準(zhǔn)備和檢測(cè)結(jié)直腸息肉，并評(píng)估其是否能提高臨床中息肉和腺瘤的檢出率。自動(dòng)質(zhì)量控制系統(tǒng)顯著增加了腺瘤檢出率（0.289比0.165）和每例結(jié)腸鏡檢查的平均腺瘤檢出數(shù)（0.367個(gè)比0.178個(gè)），息肉檢出率（0.383比0.254）和每例結(jié)腸鏡檢查的平均息肉檢出數(shù)（0.575個(gè)比0.305個(gè)）也顯著增加。
（四）人工智能輔助監(jiān)測(cè)盲腸插管抵達(dá)回盲部
腸鏡抵達(dá)回盲部是保證結(jié)腸鏡檢查順利完成的先決條件，可用于評(píng)估內(nèi)鏡醫(yī)師的個(gè)人技術(shù)水平［30］。內(nèi)鏡醫(yī)師進(jìn)行結(jié)腸鏡檢查時(shí)，與人工數(shù)據(jù)提取相比，99%的盲腸插管失敗可以使用自然語(yǔ)言處理進(jìn)行光學(xué)字符識(shí)別［31］。
盲腸是決定結(jié)腸鏡插入和退出階段的轉(zhuǎn)折點(diǎn)，Cho等［32］通過(guò)卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法分析結(jié)腸鏡視頻結(jié)腸鏡運(yùn)動(dòng)的盲腸時(shí)間位置識(shí)別，將拐點(diǎn)作為盲腸候選點(diǎn)，總體準(zhǔn)確度為95.6%。表明插入和退出在技術(shù)上是不同的動(dòng)作，內(nèi)鏡操作動(dòng)作可以被量化，并用來(lái)表達(dá)結(jié)腸鏡醫(yī)師特有的模式和評(píng)估熟練程度。
結(jié)腸鏡檢查完成會(huì)減少結(jié)腸鏡檢查患者患結(jié)直腸癌的發(fā)生率，Low等［33］實(shí)施人工智能來(lái)自動(dòng)檢測(cè)闌尾孔以保證質(zhì)量，使用深度卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)檢測(cè)不同腸道準(zhǔn)備結(jié)腸鏡檢查中的盲腸插管率，該系統(tǒng)分類闌尾孔和非闌尾孔圖像的準(zhǔn)確率為94%，AUC曲線下面積為0.98，敏感度、特異度、陽(yáng)性預(yù)測(cè)值和陰性預(yù)測(cè)值分別為0.96、0.92、0.92和0.96。
二、人工智能的局限和未來(lái)方向
人工智能在消化內(nèi)鏡領(lǐng)域已取得巨大的進(jìn)展，未來(lái)有望成為確保結(jié)腸鏡檢查質(zhì)量控制的有力工具。雖然一些相關(guān)技術(shù)及其支持證據(jù)逐步增多，但支持人工智能輔助系統(tǒng)在結(jié)腸鏡檢查中的有效性的證據(jù)依然比較薄弱，因此在臨床實(shí)踐工作中運(yùn)用模型仍存在挑戰(zhàn)。結(jié)腸鏡檢查質(zhì)量控制中人工智能的研究，大多缺乏大規(guī)模的多中心研究以及沒(méi)有公認(rèn)的人工智能輔助系統(tǒng)在結(jié)腸鏡檢查的臨床設(shè)置中實(shí)施，難以證明其實(shí)際用途，故須在未來(lái)進(jìn)行高質(zhì)量的臨床試驗(yàn)以積累證據(jù)，獲得監(jiān)管部門(mén)的批準(zhǔn)，以便更廣泛地臨床應(yīng)用。
人工智能輔助診斷有望提高其自動(dòng)息肉檢測(cè)和預(yù)測(cè)息肉病理的質(zhì)量，它不僅可以幫助內(nèi)鏡醫(yī)師避免遺漏息肉，還能為被發(fā)現(xiàn)息肉的患者提供精確的光學(xué)診斷。因此，計(jì)算機(jī)輔助診斷可以提高腺瘤檢出率，降低增生性息肉切除的成本。現(xiàn)有研究中使用的數(shù)據(jù)大多來(lái)自單中心和小樣本，數(shù)據(jù)選擇存在偏差，未來(lái)可以在國(guó)際多中心環(huán)境下進(jìn)行研究，以確保結(jié)果的可重復(fù)性。并且目前只能通過(guò)人工智能輔助內(nèi)鏡醫(yī)師檢測(cè)視野范圍內(nèi)的息肉，而醫(yī)師視野外的息肉還沒(méi)有好的解決辦法，仍需更深入的研究，以進(jìn)一步降低息肉漏檢率。
自動(dòng)腸道準(zhǔn)備情況的自動(dòng)評(píng)估，雖然該模型在人機(jī)大賽和觀察性研究中取得了良好的效果，但在臨床應(yīng)用中還需隨機(jī)對(duì)照研究來(lái)驗(yàn)證。此外，人工智能技術(shù)在臨床應(yīng)用還面臨以下問(wèn)題：（1）實(shí)時(shí)質(zhì)量監(jiān)測(cè)技術(shù)延長(zhǎng)了退鏡時(shí)間，導(dǎo)致額外的工作量。（2）盡管這種干預(yù)措施使腺瘤檢出率有所提高，但主要提高的是小型腺瘤的檢出率，而小型腺瘤進(jìn)展為惡性腫瘤的風(fēng)險(xiǎn)較低，需進(jìn)一步研究應(yīng)用該技術(shù)的成本效益［12］。（3）對(duì)于回盲部自動(dòng)識(shí)別技術(shù)，雖然目前的研究表明，在結(jié)腸鏡進(jìn)入和退出腸道前后移動(dòng)時(shí)，人工智能自動(dòng)識(shí)別盲腸的準(zhǔn)確率較高，但在臨床實(shí)際應(yīng)用中，還需進(jìn)一步研究能夠識(shí)別左右方向移動(dòng)的技術(shù)，從而推斷檢查過(guò)程中結(jié)腸鏡的實(shí)時(shí)位置。
總之，人工智能技術(shù)在結(jié)腸鏡檢查質(zhì)量控制中的臨床應(yīng)用不多，多數(shù)研究尚在探索中，如研究退鏡技術(shù)對(duì)于腺瘤檢出率的影響等。相信該技術(shù)在結(jié)腸鏡的應(yīng)用，將會(huì)極大提高腸道腺瘤、息肉檢出率，有助于病變?cè)绨l(fā)現(xiàn)、早診斷、早治療，從而提高患者的生活質(zhì)量。
引用本文
龔容容,姚理文,于紅剛.基于人工智能的結(jié)腸鏡質(zhì)量控制研究進(jìn)展[J].中華消化內(nèi)鏡雜志, 2023, 40(4): 329-332.
Gong Rongrong, Yao Liwen, Yu Honggang. Research progress in artificial intelligence?based quality control of colonoscopy[J]. Chin J Dig Endosc, 2023, 40(4):329-332.
DOI：10.3760/cma.j.cn321463-20221018-00776
