基于人工智能的結(jié)腸鏡質(zhì)量控制研究進展

2/2基于人工智能的結(jié)腸鏡質(zhì)量控制研究進展

2023-05-2508:10近年來，人工智能技術(shù)在醫(yī)學(xué)領(lǐng)域快速發(fā)展，并在多個領(lǐng)域取得了顯著成就。人工評估結(jié)腸鏡質(zhì)量不僅浪費時間還存在主觀偏差和錯誤，因此很難進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)在臨床試驗中表明，計算機輔助技術(shù)有助于客觀評估結(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)研究進行系統(tǒng)性闡述。

結(jié)直腸癌發(fā)病率和死亡率在西方國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［34］。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［56］。

結(jié)腸鏡檢查質(zhì)量控制目前仍主要基于人工統(tǒng)計，這不僅耗費時間、增加勞動力成本，還容易出現(xiàn)錯誤和主觀偏差，因此自動實時結(jié)腸鏡檢查質(zhì)量控制系統(tǒng)近年來已成為研究熱點［7］。息肉識別技術(shù)、腸道準備、退鏡速度、盲腸插管率均會影響結(jié)腸鏡檢查質(zhì)量，本文旨在評估人工智能在結(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別技術(shù)

息肉識別失敗是導(dǎo)致結(jié)直腸腫瘤漏檢的一個主要決定因素，在結(jié)腸鏡檢查中，高達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)［810］。使用人工智能輔助檢測系統(tǒng)，就可通過視覺報警，以提醒醫(yī)師識別出現(xiàn)在視野而被忽視的結(jié)腸息肉或腺瘤［11］。

Wang等［12］率先進行了前瞻、非盲的隨機對照試驗，研究基于深度學(xué)習(xí)的自動息肉檢測系統(tǒng)對息肉檢出率和腺瘤檢出率的影響，結(jié)果顯示，實時自動息肉檢測系統(tǒng)提供即時視覺通知和聲音警報，幫助內(nèi)鏡醫(yī)師提升腺瘤檢出率至對照組的20.3%和計算機輔助檢測（CADe）組的29.1%，平均每例結(jié)腸鏡檢出的腺瘤數(shù)量為對照組0.31個和CADe組0.53個。之后，為克服非盲試驗的操作偏差，Wang等［13］改為雙盲隨機試驗，結(jié)果顯示，腺瘤檢出率提升至對照組的28.0%和CADe組的34.0%，且平均每例結(jié)腸鏡檢出的腺瘤數(shù)量提升至對照組的0.38個和CADe組的0.58個。Wang等［14］繼續(xù)進行前瞻性串聯(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］進行一項多中心隨機試驗，將深度學(xué)習(xí)系統(tǒng)用于CADe，該試驗中CADe組腺瘤檢出率明顯高于對照組（54.8%比40.4%），CADe組每次結(jié)腸鏡檢查腺瘤檢出數(shù)亦明顯高于對照組［（1.07±1.54）個比（0.71±1.20）個］。

Becq等［15］通過前瞻性收集結(jié)腸鏡視頻，評估了基于深度學(xué)習(xí)算法在真實臨床環(huán)境中輔助息肉檢測的有效性，人工智能輔助檢測息肉的敏感度為98.8%，陽性預(yù)測值為40.6%，人工智能輔助檢測息肉檢出率為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，但很少被批準使用于臨床實踐，因此Misawa等［16］開發(fā)了人工智能輔助息肉檢測系統(tǒng)并通過設(shè)計為公共訪問的大型結(jié)腸鏡視頻數(shù)據(jù)庫來驗證其性能。獲得的1405個視頻被用于驗證數(shù)據(jù)庫，得到數(shù)據(jù)庫共152560幀，人工智能對框架分析的敏感度為90.5%，特異度為93.7%。檢測所有息肉、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］進行了一項基于深度學(xué)習(xí)的結(jié)腸鏡息肉實時檢測、定位與分割的研究，在KvasirSEG數(shù)據(jù)集上對深度學(xué)習(xí)方法進行了基準測試，預(yù)測對象類別并回歸邊界框進行定位，給出了定量和定性的結(jié)果，檢測不同類型的息肉平均精度為0.8513，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)腸鏡檢查進行的前瞻性、多中心、隨機對照試驗，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個比0.4個）。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。

視頻的計算機分析可能會消除內(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)準結(jié)腸鏡視頻，實時區(qū)分腺瘤性和增生性小結(jié)直腸息肉。該模型的準確度為94%，鑒別腺瘤的敏感度為98%，特異度為83%，陰性預(yù)測值為97%，陽性預(yù)測值為90%。

Ozawa等［20］構(gòu)建了一個能夠在結(jié)腸鏡檢查時利用存儲的靜態(tài)圖像準確檢測和分類結(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)檢測結(jié)腸息肉敏感度為92%，陽性預(yù)測值為86%。白光圖像的靈敏度和陽性預(yù)測值分別為90%和83%，窄帶圖像的靈敏度和陽性預(yù)測值分別為97%和98%。在正確檢測到的息肉中，83%的結(jié)腸息肉能通過圖像準確被分類。在白光成像下，識別腺瘤的正確率高達97%，卷積神經(jīng)網(wǎng)絡(luò)顯示了通過內(nèi)鏡圖像檢測和分類結(jié)腸息肉的潛力。

（二）腸道準備評估

不充分的腸道準備會導(dǎo)致腺瘤檢出率降低、手術(shù)風(fēng)險增加、經(jīng)濟成本增加等多個臨床問題［21］。內(nèi)鏡醫(yī)師應(yīng)詳細記錄腸道準備質(zhì)量并給出復(fù)查間隔建議，而目前臨床中5%~20%的結(jié)腸鏡檢查報告缺乏腸道準備評估或建議早期復(fù)查的記錄［22］，且臨床中腸道準備評估難以反映病灶檢出情況［23］，因此人工智能輔助評估腸道清潔度可以作為一種穩(wěn)定、客觀、準確評估腸道準備的自動化工具。

基于深度學(xué)習(xí)的圖像分類建立計算機輔助腸道準備評估，Zhou等［1］根據(jù)波士頓腸道準備量表（BBPS）的定義開發(fā)了一個名為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評分的圖像累積百分比，并提供30s進行一次腸道準備評分。在人機競賽中，ENDOANGEL的準確率達到了93.33%，優(yōu)于內(nèi)鏡醫(yī)師75.91%的準確率。在視頻驗證中，準確率可達89.04%。

Zhou等［24］基于深度學(xué)習(xí)的定量腸道準備系統(tǒng)進行了前瞻性觀察性多步驟驗證研究，該研究將結(jié)腸鏡圖像分為BBPS0~1和BBPS2~3，計算退鏡期間BBPS0~1的比例，建立腸道準備系統(tǒng)。每5%的比例作為一個間隔處理，對應(yīng)于eBBPS評分（即0%~5%對應(yīng)于eBBPS評分為1，5%~10%對應(yīng)于eBBPS評分為2，以此類推）。eBBPS評分與腺瘤檢出率呈顯著負相關(guān)（Spearman評分-0.976，P<0.010）。eBBPS評分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，eBBPS評分為3分，以保證不良反應(yīng)超過25%為閾值，保證內(nèi)鏡檢查質(zhì)量。評分>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］使用通過結(jié)腸鏡檢查視頻開發(fā)的卷積神經(jīng)網(wǎng)絡(luò)算法來客觀評估腸道準備充分性，在驗證集中該算法在檢測腸道清潔度不足方面，曲線下面積為0.918，準確性為85.3%。在測試集1中，檢測腸道準備不足的敏感度為100.0%，評分者與人工智能之間的一致性為76.7%~83.3%。在測試集2中，檢測腸道準備不足的敏感度為100.0%，評分者與人工智能之間的一致性為68.9%~89.7%。

（三）實時退鏡檢查質(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)腸鏡退鏡時間及內(nèi)鏡操作等因素有關(guān)，退鏡速度過快導(dǎo)致視野盲區(qū)，因此足夠的檢查時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)師退鏡時規(guī)范操作至關(guān)重要［2627］。

Gong等［28］進行的一項隨機對照研究，利用深度卷積神經(jīng)網(wǎng)絡(luò)和感知哈希算法開發(fā)了一個實時質(zhì)量改進系統(tǒng)，以監(jiān)測實時退鏡速度和結(jié)腸鏡退鏡時間，并提醒內(nèi)鏡醫(yī)師注意內(nèi)鏡滑動引起的盲點。該系統(tǒng)實時監(jiān)測退鏡速度準確度為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)開發(fā)了一套自動質(zhì)量控制系統(tǒng)，計算退鏡時間、監(jiān)測退鏡穩(wěn)定性、評估腸道準備和檢測結(jié)直腸息肉，并評估其是否能提高臨床中息肉和腺瘤的檢出率。自動質(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個比0.178個），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個比0.305個）也顯著增加。

（四）人工智能輔助監(jiān)測盲腸插管抵達回盲部

腸鏡抵達回盲部是保證結(jié)腸鏡檢查順利完成的先決條件，可用于評估內(nèi)鏡醫(yī)師的個人技術(shù)水平［30］。內(nèi)鏡醫(yī)師進行結(jié)腸鏡檢查時，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言處理進行光學(xué)字符識別［31］。

盲腸是決定結(jié)腸鏡插入和退出階段的轉(zhuǎn)折點，Cho等［32］通過卷積神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法分析結(jié)腸鏡視頻結(jié)腸鏡運動的盲腸時間位置識別，將拐點作為盲腸候選點，總體準確度為95.6%。表明插入和退出在技術(shù)上是不同的動作，內(nèi)鏡操作動作可以被量化，并用來表達結(jié)腸鏡醫(yī)師特有的模式和評估熟練程度。

結(jié)腸鏡檢查完成會減少結(jié)腸鏡檢查患者患結(jié)直腸癌的發(fā)生率，Low等［33］實施人工智能來自動檢測闌尾孔以保證質(zhì)量，使用深度卷積神經(jīng)網(wǎng)絡(luò)自動檢測不同腸道準備結(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確率為94%，AUC曲線下面積為0.98，敏感度、特異度、陽性預(yù)測值和陰性預(yù)測值分別為0.96、0.92、0.92和0.96。

二、人工智能的局限和未來方向

人工智能在消化內(nèi)鏡領(lǐng)域已取得巨大的進展，未來有望成為確保結(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，因此在臨床實踐工作中運用模型仍存在挑戰(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有公認的人工智能輔助系統(tǒng)在結(jié)腸鏡檢查的臨床設(shè)置中實施，難以證明其實際用途，故須在未來進行高質(zhì)量的臨床試驗以積累證據(jù)，獲得監(jiān)管部門的批準，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息肉檢測和預(yù)測息肉病理的質(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，計算機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?，F(xiàn)有研究中使用的數(shù)據(jù)大多來自單中心和小樣本，數(shù)據(jù)選擇存在偏差，未來可以在國際多中心環(huán)境下進行研究，以確保結(jié)果的可重復(fù)性。并且目前只能通過人工智能輔助內(nèi)鏡醫(yī)師檢測視野范圍內(nèi)的息肉，而醫(yī)師視野外的息肉還沒有好的解決辦法，仍需更深入的研究，以進一步降低息肉漏檢率。

自動腸道準備情況的自動評估，雖然該模型在人機大賽和觀察性研究中取得了良好的效果，但在臨床應(yīng)用中還需隨機對照研究來驗證。此外，人工智能技術(shù)在臨床應(yīng)用還面臨以下問題：（1）實時質(zhì)量監(jiān)測技術(shù)延長了退鏡時間，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，而小型腺瘤進展為惡性腫瘤的風(fēng)險較低，需進一步研究應(yīng)用該技術(shù)的成本效益［12］。（3）對于回盲部自動識別技術(shù)，雖然目前的研究表明，在結(jié)腸鏡進入和退出腸道前后移動時，人工智能自動識別盲腸的準確率較高，但在臨床實際應(yīng)用中，還需進一步研究能夠識別左右方向移動的技術(shù)，從而推斷檢查過程中結(jié)腸鏡的實時位置。

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，將會極大提高腸道腺瘤、息肉檢出率，有助于病變早發(fā)現(xiàn)、早診斷、早治療，從而提高患者的生活質(zhì)量。

引用