基于高分辨率小肠测压技术的健康受试者空腹期传播性收缩自动化数字分析研究

这篇研究开发了一种自动化检测工具（PCEs），用于量化高分辨率小肠测压（HRM）中的基础运动事件，准确率达86%。通过分析10名健康受试者30小时数据，发现完全传播的收缩速度更快，且相位III活动后收缩频率显著降低，为理解空腹期肠道动力（MMC）提供了新视角。

　　

引言

小肠测压（Manometry）是评估消化动力的金标准，但其解读长期依赖经验性视觉分析。本研究聚焦空腹期迁移运动复合波（MMC）的周期性活动，包括静止期（相位I）、不规则收缩期（相位II）和规律爆发期（相位III）。尽管高分辨率测压（HRM）能捕捉小肠动力细节，但海量数据的人工分析效率低下。为此，团队开发了自动化工具，旨在量化传播性收缩事件（PCEs）的参数，并与人工分析对比验证。

结果

自动化工具性能
在150帧测试图像中，系统对无PCEs帧的识别准确率达96%，整体PCEs检测准确率为86%（精确度91%）。通过边界框提取的收缩长度（R=0.83）和持续时间（R=0.74）与人工测量高度相关，但传播速度相关性较低（R=0.46）。

PCEs特征分析
10名受试者的476次相位II收缩显示，完全传播的PCEs（占8%）速度显著快于部分传播事件（3.3 vs. 2.8 cm/s，p=0.012）。收缩长度集中在13-22 cm，持续时间4.3-10.4秒，速度1.9-3.4 cm/s。值得注意的是，相位III后的30分钟内PCEs频率骤降（2.1±4.7次），印证了MMC周期性重置的生理特点。

讨论

自动化分析将数小时的人工评估缩短至分钟级，揭示了健康人群中PCEs参数的广泛变异。完全传播事件的快速特性可能与近端空肠起源有关，而速度与长度的独立性提示神经与肌肉调控的分离机制。尽管当前工具在速度计算上存在局限，但其为肠道动力研究提供了新范式，未来可通过延长记录时间或结合原始压力数据优化分析。

方法

研究使用36通道灌注导管采集10名健康志愿者3小时空腹数据，经标准化预处理后，采用OpenCV库开发Python工具。通过颜色阈值识别高压区域，合并重叠边界框，并剔除倾斜异常或短于10 cm的伪影。统计采用Pearson相关性分析和Bland-Altman一致性检验。

（注：全文严格依据原文数据及结论，未添加主观推断。）