中华消化杂志,,40(11)潘鹏,赵胜兵,王润东,等
摘要
目的利用大数据开发人工智能辅助结直肠息肉性质鉴别系统(简称人工智能息肉鉴别系统)并进行临床验证。
方法年6月至年6月前瞻性收集16家参研中心的结直肠息肉内镜图像，由主治医师及以上职称的结肠镜医师在结直肠息肉内镜图像中标注息肉的基本信息(位置、大小、形态、病理活组织检查结果)，并圈出息肉轮廓以供人工智能息肉鉴别系统开发。以息肉病理活组织检查结果为金标准，分别计算白光模式、窄带成像技术(NBI)模式、白光联合NBI模式，以及结肠镜医师对息肉性质鉴别的灵敏度、特异度、阳性预测值、阴性预测值和准确度。应用McNemar检验和Kappa检验进行统计学比较。
结果共收集张合格结肠镜图像，其中白光模式图像张，NBI模式图像张。在实验室水平，白光模式和NBI模式对息肉性质鉴别的灵敏度、特异度、阳性预测值、阴性预测值、准确度分别为90.3%、98.3%、89.8%、98.4%、97.2%和90.5%、92.5%、92.3%、90.6%、91.5%。临床验证阶段纳入56例结直肠息肉患者，共78枚息肉。白光模式和NBI模式对息肉性质鉴别的灵敏度、特异度、阳性预测值、阴性预测值、准确度分别为70.3%、82.1%、78.8%、74.4%、76.3%和78.4%、87.2%、85.3%、81.0%、82.9%。结肠镜医师、白光模式和NBI模式的判断结果分别与病理检查结果比较差异均无统计学意义(均McNemar检验，P均0.05)，但是一致性一般，Kappa值分别为0.、0.和0.(P均0.01)。白光与NBI模式串联与病理检查结果比较的Kappa值为0.，两者的一致性一般，但两者比较差异有统计学意义(McNemar检验，P＝0.)。
结论建立的人工智能息肉鉴别系统具有一定辅助诊断作用，但准确性仍有待提高。
结肠镜检查是结直肠癌筛查的金标准，结肠镜医师不仅可以通过结肠镜直视发现结直肠的病变部位，初步诊断其病变性质，还可行内镜下干预，从而阻止结直肠癌的形成和发展。由于结直肠息肉的治疗方式和患者结肠镜检查的随访间期由息肉的病理性质决定[]，故新发现或经结肠镜下切除的结直肠息肉需要进行病理活组织检查(以下简称活检)。窄带成像技术(narrowbandimaging,NBI)可以显示黏膜上皮和黏膜上皮血管网的形态，使腺瘤的表面脉管结构和黏膜颜色的表现与一般增生性息肉的表现明显不同，从而实时判断结直肠息肉性质成为可能[]。有研究表明，NBI识别息肉性质的准确度和灵敏度分别为89%和98%[]。但是，通过NBI直视判断息肉性质的主观性较强，限制了NBI的作用[]。
随着人工智能(artificialintelligence)的发展，特别是深度学习和卷积神经网络系统的出现和运用，使人工智能在图像识别领域不断取得突破，并且已广泛应用于包括消化内镜在内的医学图像识别领域[]。结直肠息肉性质鉴别的人工智能研究不少[]，但是进行临床实际验证的研究不多，且研究纳入的图像数据相对人工智能大数据而言较小。本研究拟在多中心大数据的支持下，与深圳市腾讯计算机系统有限公司合作，开发基于NBI和白光内镜图像的人工智能辅助结直肠息肉性质鉴别系统(以下简称人工智能息肉鉴别系统)，并在临床实际条件下验证该系统的鉴别性能。
对象与方法一、研究对象年6月至年6月，前瞻性收医院、大连医院、医院、医院、医院、医院、医院第七医学中心、医院、包医院、医院、医院、医院、医院、医院、医院、医院共16家参研中心的结直肠息肉内镜图像。年9至12月，由指定的主治医师及以上职称的结肠镜医师在结肠镜检查中新发现的息肉均考虑入选。排除标准：①正在服用阿司匹林、华法林等抗凝药物，存在凝血功能障碍的患者；②IBD活动期、肠梗阻和家族性肠息肉患者；③不愿行息肉活检或摘除者；④影响观察视野和图像清晰度的肠道准备不合格者；⑤病理结果缺失者。本研究通过医院伦理委员会审核批准(CHEC-)。
二、人工智能息肉鉴别系统的建立1．图像的合格标准：每枚息肉留取3～4张白光内镜图像和3～4张NBI图像，至少包括1张正面图像(镜头与黏膜垂直，且息肉居中)，外加侧面角度图像；建议使用CF-HQ型结肠镜(日本奥林巴斯有限公司)为佳。图像的合格标准为单张图像文件大小≥kb；息肉大小所占图像比例≥10%；图像亮度足够，且无明显反光点；图像无抖动，息肉表面血管和腺管结构清晰；镜头和息肉表面无明显的污渍和水迹。
2．图像的标注：由12名主治医师及以上职称的结肠镜医师在线标注结直肠息肉内镜图像中息肉的基本信息(位置、大小、形态、病理活检结果)，并圈出息肉轮廓，以供人工智能息肉鉴别系统的深度学习和测试优化。将合格的图像和对应的息肉基本信息统一发布在"腾讯觅影"标注网站(