新型人工智能系统在结肠镜检查中检测腺瘤的应用：系统综述与网络荟萃分析

《Clinical and Translational Gastroenterology》：Novel Artificial Intelligence Systems in Detecting Adenomas in Colonoscopy: A Systemic Review and Network Meta-Analysis

人工智能辅助肠镜系统在腺瘤检测中的效果比较：系统综述与荟萃分析显示，ENDOANGEL（OR 1.84，SUCRA 0.9）和EndoAID（OR 1.64，SUCRA 0.7）在提高腺瘤检测率（ADR）方面效果最佳，CAD EYE和GI Genius次之，EndoScreener稍优于传统肠镜。研究建议AI技术可提升筛查效果，但需更多大规模试验验证。

　　人工智能在结肠镜检查中具有提升腺瘤检出率（ADR）的潜力，但目前不同AI辅助系统的实际效果仍存在不确定性。为了评估和比较这些AI辅助系统在检测结直肠息肉方面的有效性，研究者对17项随机对照试验（RCTs）进行了网络荟萃分析，这些研究涵盖了10,547名参与者。研究结果表明，某些AI系统显著提高了ADR，而其他系统的提升效果则较为有限。这些发现对于优化AI技术在结直肠癌筛查中的应用具有重要意义。

### 人工智能在结肠镜检查中的作用

结直肠癌（CRC）是全球第三大常见癌症，也是癌症相关死亡的第二大原因。据估计，2020年全球新增病例达190万例，死亡病例约93.5万例。大多数CRC病例源于腺瘤性息肉，这些息肉若能在早期发现并移除，将显著降低CRC的发病率和死亡率。因此，提高结肠镜检查中息肉的检出率是降低CRC负担的关键。然而，传统结肠镜检查存在一定的局限性，如操作者经验差异、息肉形态复杂性（如平坦或息肉状息肉）、撤回技术不一致以及肠道准备质量不理想等，这些因素可能导致息肉的漏检率在6%至27%之间。漏检的息肉可能由多种因素引起，包括肠道准备不足、粘膜清洁时间不够、光学诊断技能有限、操作者疲劳以及人为错误等。

### AI辅助系统的评估

在本研究中，五种AI辅助系统被评估：ENDOANGEL、EndoAID、CAD EYE、GI Genius和EndoScreener。这些系统均基于深度学习算法，但具体模型结构和训练数据集有所不同。例如，ENDOANGEL使用了YOLOv3模型，训练数据集包括8,166个息肉图像和11,417个非息肉图像，而EndoScreener则基于SegNet架构，训练数据集包括5,545个结肠镜图像和771,131个验证图像。这些系统均被批准用于临床实践，但在实际应用中，它们的效果可能受到多种因素的影响，如肠道准备质量、操作者技能水平和系统与临床流程的整合程度。

### 研究方法与结果

研究采用系统性文献检索方法，从PubMed、Scopus和Google Scholar等数据库中筛选出符合纳入标准的RCTs。纳入标准包括：研究必须直接比较AI辅助结肠镜检查与传统结肠镜检查在息肉检测中的效果，并报告ADR和APC等关键指标。研究结果显示，ENDOANGEL在提高ADR方面表现最佳，其总体比值比（OR）为1.84（95% CI 1.50–2.30），SUCRA值为0.9，表明其最有可能成为最佳系统。EndoAID紧随其后，OR为1.64（95% CI 1.20–2.26），SUCRA值为0.7。CAD EYE和GI Genius的OR分别为1.46和1.45，SUCRA值为0.5。EndoScreener的OR为1.37（95% CI 1.20–1.56），SUCRA值为0.4，仍高于传统结肠镜检查。总体而言，所有AI辅助系统均显示出比传统结肠镜检查更高的ADR，这表明AI在提升息肉检测方面具有积极作用。

### 系统比较与性能差异

在比较不同AI系统时，研究发现ENDOANGEL的性能显著优于其他系统，这可能与其训练数据集的规模和多样性有关。ENDOANGEL的训练数据集较大，涵盖了广泛的息肉类型，使其在识别复杂形态息肉方面更具优势。此外，ENDOANGEL的实时反馈机制有助于提高操作者对潜在息肉的注意力，从而减少认知负担并提升检测效率。相比之下，EndoAID虽然在提高APC方面表现突出，但其在提高ADR方面的效果不如ENDOANGEL。CAD EYE和GI Genius的性能较为相似，表明其在检测息肉方面的效果接近，但均未达到ENDOANGEL的水平。EndoScreener的OR虽然较高，但其提升效果仍有限，可能与其训练数据集的规模或系统设计有关。

### AI辅助系统的局限性

尽管AI辅助系统在提高ADR和APC方面表现出色，但它们的实际效果仍受到多种因素的限制。首先，研究中纳入的RCT数量有限（仅17项），某些AI系统如EndoAID和ENDOANGEL仅在少数研究中被评估，这可能影响统计效力和结果的普遍性。其次，许多比较依赖于间接证据，因为缺乏AI系统之间的直接头对头试验，这可能引入偏差。此外，不同AI系统的训练数据集和专有算法存在差异，使得直接比较变得复杂。一些研究在方法学上存在不足，如对随机化或盲法的描述不够详细，这也可能影响结果的可靠性。最后，研究未评估AI辅助系统在长期临床效果（如CRC发病率和死亡率）或成本效益方面的表现，这些因素对于AI在实际医疗环境中的应用至关重要。

### AI辅助系统的临床意义

AI辅助系统在结肠镜检查中的应用为提高息肉检测率提供了新的可能性。这些系统通过实时图像分析和模式识别，能够帮助操作者更准确地识别潜在的息肉，从而减少漏检率并提高检测效率。此外，AI技术的引入有助于标准化息肉检测流程，减少不同操作者之间的差异，提高筛查的一致性。然而，AI系统的性能不仅取决于其算法的先进性，还受到训练数据质量、实时反馈机制和用户界面设计等因素的影响。因此，在实际应用中，需综合考虑技术与临床因素，以确保AI系统的有效性。

### 未来研究方向

尽管AI辅助系统在提高息肉检测率方面展现出潜力，但未来仍需进一步研究以确认其在不同临床环境中的实际效果。特别是需要更多的直接头对头试验来评估不同AI系统之间的相对性能。此外，研究还应关注AI系统的成本效益，以确保其在资源有限的医疗环境中具有可行性。同时，长期研究可以评估AI辅助结肠镜检查对CRC发病率和死亡率的实际影响，以及其在不同患者群体中的适用性。最终，AI技术的进一步发展和优化将有助于其在结直肠癌筛查中的广泛应用，并为临床决策提供更坚实的依据。