综述：内镜下大型结直肠病变的评估

（编辑推荐）本文系统阐述了内镜黏膜下剥离术（ESD）在大型结直肠病变治疗中的适应症选择与术前评估策略，强调窄带成像（NBI）、日本NBI专家团队分类（JNET）及人工智能（如EndoBRAIN-plus）在预测病变浸润深度（如VI 型隐窝分型）中的价值，为优化治疗决策（如ESD vs手术）提供循证依据。

　　

内镜下大型结直肠病变的评估与治疗策略

Japan Gastroenterological Endoscopy Society Guideline Recommendations
日本消化器内视镜学会指南明确推荐结直肠ESD的适应症：需整块切除的病变包括非颗粒型侧向发育型肿瘤（LST-NG，尤其是假凹陷亚型）、V_I
型隐窝分型病变及浅表T1期（SM浸润）癌。这些病变因常规内镜黏膜切除术（EMR）难以完整切除，需通过ESD实现精准病理评估。

Endoscopic Evaluation of Colorectal Lesions Before ESD
术前内镜评估是决策核心。白光成像联合窄带成像（NBI）可分析病变表面结构、血管形态及色泽，而染色内镜（MCE）通过隐窝分型（如Kudo分型中的V_I
严重型）预测SM浸润风险。活检可鉴别腺瘤与腺癌，但需警惕取样误差导致的低估风险。

NBI International Colorectal Endoscopic Classification
NICE分型将病变分为3类：Ⅱ型对应腺瘤或黏膜内癌，适合ESD；Ⅲ型提示深层SM浸润，需考虑手术。该分型通过标准化评估减少主观差异，尤其对>20mm病变的决策具有指导意义。

The Japan NBI Expert Team Classification
JNET分型整合了既往多种NBI放大分类体系，提出4类标准：2A型（低度异型）和2B型（高度异型）分别对应ESD与手术适应症。双焦点放大技术可替代光学变焦内镜，提升基层医院的应用可行性。

Artificial Intelligence for Predicting the Depth of Invasion
人工智能系统EndoBRAIN-plus通过分析超放大内镜图像，预测病变性质（非肿瘤性/腺瘤/浸润癌）及浸润深度（如V_N
型隐窝提示深层SM浸润），其准确率达89.7%，成为辅助决策的新兴工具。

Treatment Strategies for Resecting LSTs
LST-G型病变若伴>10mm结节提示SM浸润风险，需ESD整块切除；LST-NG型因高恶变率（尤其是假凹陷亚型）直接推荐ESD。术中对纤维化程度的评估可预判操作难度及并发症风险。

Decision-Making Process on ESD Versus Surgery
决策流程取决于设备与病变特征：具备放大内镜时，JNET 2A型首选ESD；无放大条件则依赖白光内镜下的形态学特征（如溃疡、凹陷）。SM浸润深度>1000μm或淋巴血管侵犯需追加外科手术。

（注：全文严格基于原文证据链缩编，未添加非原文结论）