综述：人工智能增强型胶囊内窥镜在临床实践中的整合：市场可用工具的临床实践综述

这篇综述系统评估了AI（人工智能）在胶囊内窥镜（CE）中的应用进展，重点分析了商业化AI-CE系统在小肠评估中的诊断性能、临床优势及局限性，探讨了标准化、数据质量和验证等关键挑战，并展望了未来通过算法优化和同质化框架提升检测率的方向。

　　

人工智能与胶囊内窥镜的变革性融合

Abstract
人工智能（AI）与胶囊内窥镜（CE）的结合正通过提升病变检测效率和优化阅片流程，彻底改变胃肠道诊断模式。本文聚焦商业化AI-CE系统在小肠评估中的临床应用，分析其诊断性能、实践价值及现存挑战，并指出未来需通过算法标准化和临床验证实现更广泛普及。

Introduction
作为现代消化内镜的重要工具，CE依赖软件驱动的图像处理技术，天然适合AI整合。其两大核心适应症——可疑小肠出血（SSBB）和克罗恩病（CD）的诊断，均面临阅片时间长（30-60分钟）和专业培训需求高的痛点。AI的介入有望通过计算机辅助检测（CADe）和诊断（CADx）系统突破这些瓶颈。

Artificial Intelligence: Role in Endoscopy
AI模型已从早期基于手工特征的支持向量机（SVM）发展为可自主提取特征的卷积神经网络（CNN）。欧洲胃肠内镜学会（ESGE）强调，AI系统性能至少需与资深内镜医师相当，且需显著缩短视频分析时间。最新视觉变换器（ViT）架构通过全局视频分析能力，进一步提升了病灶关联识别的准确性。

临床适应症与硬件进展
当前主流CE设备包括小肠胶囊（SBCE）和结肠胶囊（CCE）。SBCE主要用于SSBB、CD等小肠病变评估，而CCE则作为传统结肠镜的替代选择。新兴的PillCam?克罗恩胶囊（PCC）通过双摄像头设计实现全肠道（PCE）一次性评估，其内置路易斯评分（LS）和Eliakim评分系统为炎症活动度量化提供便利。

商业化AI-CE系统性能对比

• PillCam? SB3：TOP100工具基于传统机器学习，对血管病变灵敏度达95.5%，但炎症病变识别较弱
• OMOM? HD：采用CNN的SmartScan系统实现98.1%的病灶检出率，阅片时间从29.7分钟压缩至2.3分钟
• Navicam? ProScan：前瞻性研究显示其诊断率提升11.3%，但对高位P2病变优势不显著

SSBB诊断中的AI表现
多中心试验证实，AI辅助阅片平均节省70%时间（如ProScan从33.7分钟降至3.8分钟）。但阴性预测值不足（TOP100仅77.14%）和6.6%的漏诊率提示其尚不能完全替代人工复核。值得注意的是，肠道准备质量显著影响AI表现——在优秀清洁度下算法准确性可达95%，而欠佳时性能骤降。

克罗恩病评估的突破与局限
CNN模型在CD溃疡识别中展现98.6%的灵敏度，但对病变范围的跨节段评估仍是难点。实验性PCC系统通过自动评分框架与CECDAI指数强相关（r=0.707），但临床推广仍需更多验证。

未来挑战与创新方向
硬件方面，自推进式SoftSCREEN胶囊和实时边缘AI处理技术将实现主动导航与即时分析。算法层面，需建立符合国际术语共识的标注数据集（如Kvasir-Capsule），并解决"黑箱"决策的伦理问题。英国标准BS30440和ESTRO-AAPM指南为医疗AI验证提供了初步框架，但胃肠领域专用标准仍有待完善。

Conclusions
现有AI-CE系统主要作为分诊工具优化工作流程，其临床价值需通过改善患者预后（如再出血率、CD管理）来最终验证。随着ViT架构和远程诊疗整合，下一代系统有望实现从辅助诊断到自主决策的跨越。