人工智能与腔内超声：开创良性肛管及括约肌病变自动鉴别新纪元

这篇综述创新性地将人工智能（AI）与腔内超声（EAUS）技术结合，开发了基于卷积神经网络（CNN）的自动分类算法，用于鉴别肛裂及内外括约肌撕裂（准确率达82.5%-100%）。研究通过238例3D-EAUS影像分析4528帧图像，证实AI可突破EAUS依赖专家解读的局限，为肛肠疾病（如产科损伤、肛瘘等）提供标准化诊断工具，推动AI在结直肠外科（proctology）领域的临床转化。

　　

Abstract
肛管损伤（如撕裂和肛裂）因解剖结构复杂而难以诊断。腔内超声（EAUS）虽能清晰显示肛管结构，但依赖专家解读。本研究开发了基于CNN的算法，通过EAUS自动分类肛裂及内外括约肌撕裂，为精准诊断提供新方案。

Background
肛管作为维持排便节制功能的关键结构，其内外括约肌（EAS/IAS）损伤常见于产科创伤、肛肠手术等因素。EAUS是目前评估括约肌完整性的金标准，但存在学习曲线陡峭、解读差异大等局限。AI在胃肠影像诊断中的应用潜力为本研究提供理论基础。

Methods
研究回顾性分析葡萄牙ManopH诊所2022-2024年238例3D-EAUS数据，由专家标注4528帧图像（肛裂516帧、外撕裂2174帧、内撕裂1838帧）。采用YOLOv11 CNN模型，以256×256分辨率图像训练，使用双NVIDIA Quadro RTX^TM
80000 GPU进行100轮迭代。

Results
测试集显示：外撕裂识别灵敏度82.5%、特异度93.5%；内撕裂达91.7%灵敏度；肛裂分类实现100%全指标完美性能。典型病例图示显示AI能准确定位括约肌层断裂（外撕裂表现为高回声环中断，内撕裂呈低回声环缺损）。

Discussion
这是首个针对良性肛管病变的EAUS-AI模型，其意义在于：

1. 技术突破：解决EAUS依赖专家经验的痛点，YOLO架构可实现实时病变提示；
2. 临床价值：对产科肛门括约肌损伤（OASIS）等隐匿病变筛查具优势；
3. 行业影响：AI解释性功能（如热力图）有助于医师培训，符合可信AI（Trustworthy AI）临床标准。

局限包括单中心回顾性设计、未涵盖复杂肛瘘等病变。未来需扩大样本并开发动态影像分析功能，以推动AI在肛肠超声领域的真正落地。