综述：人工智能驱动的肠道超声在炎症性肠病中的应用：迈向自动化疾病评估

《Current Opinion in Pharmacology》：AI-Powered Intestinal Ultrasound in Inflammatory Bowel Disease: advancing toward automated disease assessment

炎症性肠病（IBD）管理中，肠超声（IUS）作为安全、非侵入式工具，在评估深层炎症和并发症方面作用显著，但存在操作依赖和标准化不足的问题。人工智能（AI）通过自动化图像分析和减少观察者差异，有望提升IUS的诊断准确性，助力精准医疗，但仍需克服数据不足和标准化挑战。

　　

Irene Zammarchi|Olga Maria Nardone|Rosanna Cannatelli|Subrata Ghosh|Chiara Ricci|Marietta Iacucci

APC Microbiome Ireland，科克大学医学院和健康学院，爱尔兰科克

摘要

炎症性肠病（IBD）的管理依赖于准确的疾病评估和密切监测，以指导治疗并评估治疗反应。虽然内镜检查仍是检测黏膜炎症的金标准，但其侵入性以及无法全面评估肠壁病变或肠外并发症的限制，使得它无法作为独立的诊断工具单独使用。横断面成像技术（如CT和MRI）能够提供准确的评估，但受到高成本、有限的可及性和患者负担的阻碍。因此，肠道超声（IUS）作为一种安全、无创且可重复的技术，已成为实时评估肠壁炎症和并发症的有效手段，对于克罗恩病（CD）和溃疡性结肠炎（UC）尤为重要。然而，操作者依赖性、图像采集的变异性以及缺乏标准化协议等问题限制了其广泛应用。

人工智能（AI）通过自动化图像分析、标准化解读和减少观察者间差异，为克服这些障碍提供了潜在的解决方案。早期应用已在肠壁分割和厚度评估方面显示出前景，未来有望将成像特征与生物标志物、临床数据和多组学数据结合，以实现精准医疗。

本文旨在探讨IUS当前和未来的作用，总结AI在提高诊断准确性、增强疾病监测以及实现个性化患者管理方面的潜力。我们将讨论现有方法的优点和局限性，分析临床应用中的障碍，并概述AI增强型IUS如何改变IBD的研究和常规护理。

引言

炎症性肠病（IBD）的有效管理依赖于准确的疾病评估和密切监测，以指导治疗决策并评估治疗反应(1)。

内镜检查仍是检测黏膜炎症和发育不良病变的金标准(2)，先进的内镜技术能够识别细微的炎症并指导靶向活检采样(3)。然而，内镜检查具有侵入性、成本较高且常常给患者带来不适，同时无法完全捕捉肠壁病变或肠外并发症。

横断面成像技术（如计算机断层扫描CT和磁共振成像MRI）提供了宝贵的补充信息，但其常规使用受到高成本、有限的可及性和耗时（尤其是MRI）的限制。

在这种背景下，肠道超声（IUS）作为一种安全、无创且经济高效的即时诊断工具，在临床应用中日益受到重视。其快速普及得益于其可行性、患者的接受度以及较高的诊断准确性。IUS可实现实时、无辐射的成像，并可频繁重复进行，适用于诊断和治疗监测(4)。尽管临床应用广泛，但IUS解读的变异性仍给标准化测量和作为临床试验终点带来挑战。共识指南强调需要标准化报告和使用经过验证的评分系统(5, 6)。

人工智能（AI）和机器学习（ML）通过自动化图像分析、识别病理特征、量化疾病活动以及减少观察者间差异，为克服这些限制提供了有力手段。将它们整合到IUS中可以提高客观性并标准化解读，支持精准医疗的实时决策(7)。然而，与其他成像技术相比，AI在IUS中的应用仍处于起步阶段。

本文探讨了AI和ML在IUS中的当前和未来作用，强调了它们在优化疾病监测和推进个性化IBD护理方面的变革潜力。

部分内容

IUS在IBD中的应用——优势与局限性

IUS越来越被认为是IBD诊断和监测的关键工具(6)。它在CD中尤其有价值，能够实时评估肠壁炎症(8)、治疗反应、术后复发(9)以及狭窄、瘘管和脓肿等并发症(10)。在UC中，IUS也得到了广泛应用，特别是在内镜检查不可行时评估疾病活动范围、早期治疗反应(8)和检测并发症(6)。(图1)

AI增强型超声在IBD中的崛起

人工智能正在快速改变医学成像领域，为自动化和增强图像分析提供了强大工具。

在放射学中，卷积神经网络（CNN）和支持向量机（SVM）已在IBD患者的CT和MRI扫描中显示出高精度，能够有效检测和分类炎症模式(33, 34, 35)。

AI在IUS应用中的挑战

人们越来越关注将IUS整合到临床试验和临床实践中。尽管AI在IUS领域的开发取得了显著进展，但仍存在若干关键挑战(表2)。

一个主要问题是用于训练、测试和验证模型的数据集规模和多样性有限(41)。许多研究为单中心研究，缺乏人口统计学、疾病表型、疾病活动程度和设备类型的多样性。此外，成像协议的变异性也是一个问题

AI在IUS中的变革潜力与未来展望

AI和ML的整合有可能彻底改变IBD的研究和临床实践。

肠壁愈合是CD治疗的一个新兴目标，有证据表明，与仅依赖黏膜愈合相比，肠壁愈合与更高的无类固醇临床缓解率、更低的住院率和更长的无复发间隔相关(47)。因此，准确评估肠壁愈合状况变得越来越重要

结论

将AI和ML整合到IUS中是推进IBD评估和管理的重要一步。IUS已经是一种安全、无创且经济高效的实时疾病监测工具，其在临床护理中的应用正在全球范围内扩展。虽然操作者依赖性和解读变异性限制了其更广泛的临床应用，但它们可能对标准化和作为临床试验终点带来挑战。基于AI的模型提供了

作者贡献

概念构思：MI, IZ；初稿撰写：IZ, RC, OMN；审稿和编辑：MI, CR, SG；指导：MI。

所有作者均已阅读并同意发表的手稿版本。

资金支持

本研究未获得任何资助。

利益声明

作者声明不存在可能影响本文研究的已知竞争性财务利益或个人关系。