基于人工智能的食管内镜黏膜下剥离术中标记检测与切口引导线预测模型：一项多中心研究（附视频）

来自多中心的研究人员针对食管内镜黏膜下剥离术(ESD)中关键但极具挑战性的周围黏膜切口(SMI)阶段，开发了人工智能(AI)驱动的标记检测与切口引导线预测模型。通过对46,280张SMI图像的分析，该模型在标记检测精度(最高85.76%)和切口引导线平均距离误差(ADE低至0.081)方面显著优于初级内镜医师(P<0.001)，并与资深医师水平相当。这项研究为ESD手术提供了智能化导航新范式。

　　

这项开创性研究将人工智能(AI)技术引入食管内镜黏膜下剥离术(Endoscopic Submucosal Dissection, ESD)的关键环节——周围黏膜切口(Surrounding Mucosal Incision, SMI)。研究团队从4家医院166例ESD手术视频中提取46,280帧图像，构建了包含训练集、内部测试集和外部测试集的多中心数据集。

令人振奋的是，AI模型在标记检测任务中展现出78.97%-85.76%的精准度，其预测的切口引导线与实际切口的平均距离误差(ADE)最低达0.096毫米。与22名内镜医师的对比试验显示，模型不仅显著超越初级医师组(准确率63.21% vs 54.57%，P<0.001；ADE 0.081 vs 0.241，P=0.002)，更达到与资深医师相当的水平。特别设计的标记-引导线主观评分(M-GSS)体系进一步验证了模型的临床适用性(1.88 vs 1.75，P<0.001)。

这项成果为早期食管癌微创治疗提供了智能导航新工具，其多中心验证的设计确保了技术的普适性。AI辅助的SMI操作有望标准化这一高风险手术步骤，降低学习曲线，最终提升ESD手术的安全性和精准度。