白光与联动染色成像技术辅助胃癌检测的效能评估：一项探索计算机辅助诊断（CAD EYE）系统临床应用价值的先驱研究

本研究针对胃癌（GC）内镜检测临床实践中计算机辅助检测（CADe）面临的挑战，评估了新型CAD EYE系统在白光成像（WLI）与联动染色成像（LCI）模式下的表现。研究发现，LCI可显著降低假阳性率（3.48 vs. 7.70, p<0.001），CADe组胃癌检出率有提升趋势（4.8% vs. 1.8%），且未显著增加检查时间，为人工智能辅助内镜精准诊断提供了重要实践依据。

　　

在全球范围内，胃癌依然是威胁人类健康的重要疾病，早期发现和诊断对于改善患者预后至关重要。近年来，随着人工智能技术的飞速发展，尤其是深度学习算法的广泛应用，内镜领域迎来了智能辅助诊断的新时代。然而，胃部由于其解剖结构复杂、黏膜皱襞多、病变表现多样，计算机辅助检测（Computer-Aided Detection, CADe）在实际临床应用中仍面临巨大挑战，例如较高的假阳性干扰、不同成像模式下的稳定性问题等，这些都制约了其成为医生可靠“助手”的进程。

为了解决上述问题，由Takeshi Yasuda、Narutoshi Ando等来自日本明石市立医院消化内科的研究团队开展了一项先驱性研究，旨在评估富士公司新开发的CAD EYE系统在胃癌检测中的表现。他们特别关注了两种常用的内镜成像模式——白光成像（White Light Imaging, WLI）和联动染色成像（Linked Color Imaging, LCI）——在辅助检测过程中的差异，并比较了使用与不使用CADe系统对胃癌检出率的影响。该研究结果已发表在《iGIE》杂志上。

为开展此项研究，研究人员采用了几个关键技术方法。本研究设计为单中心、回顾性、观察性研究。他们从600例患者中，通过倾向评分匹配（Propensity Score Matching）的方法，筛选出105名使用CADe系统进行胃镜检查（Esophagogastroduodenoscopy, EGD）的患者作为研究组，并匹配了105名未使用该系统的患者作为对照组，以确保两组患者在基础临床特征上具有可比性。研究过程中，他们利用CAD EYE系统实时生成检测框（Detection Box）来提示可疑病灶，并系统记录了这些提示信息。主要的分析技术包括对WLI和LCI模式下检测框出现频率的统计比较、对假阳性（False-Positive）率的计算，以及通过组织活检（Biopsy）病理结果来验证系统检测的准确性。此外，他们还评估了该系统内置的标志点检查器（Landmark Checker）功能，该功能用于自动识别胃内的关键解剖部位。

方法

本研究采用单中心回顾性观察设计，通过倾向评分匹配从600例患者中筛选出210例（CADe组与对照组各105例）进行对比。主要评估CAD EYE系统在WLI与LCI模式下的检测框表现，次要结局包括活检率、检查时间、胃癌检出率及标志点识别准确率。

结果

CADe exhibited an average of 6.2 false-positive detections per case.

研究结果显示，CADe系统在每个病例中平均会出现6.2个假阳性检测。这表明系统虽然敏感，但会产生一定的干扰信息。

False-positive rates were significantly lower with LCI than with WLI (3.48 vs. 7.70, p<0.001).

一个关键发现是，使用LCI模式时的假阳性率显著低于WLI模式（3.48 vs. 7.70, p<0.001）。这表明LCI成像技术能有效减少系统的错误警报，提升检测的特异性。

The GC detection rate was higher in the CADe group than that in the control group (4.8% vs. 1.8%, p=0.07), although the difference was not statistically significant.

在胃癌检出率方面，CADe组（4.8%）高于对照组（1.8%），但这一差异未达到统计学显著性（p=0.07）。这提示使用CADe系统有提高胃癌发现率的趋势。

Biopsy rates and examination times were comparable between the groups.

两组之间的活检率和内镜检查时间没有显著差异。这表明引入CADe系统并未额外增加临床操作负担或延长检查时间。

CADe accurately detected all 18 known early GC cases.

在所有18例已知的早期胃癌病例中，CADe系统均成功识别，其检测敏感性达到100%。

The landmark checker function identified an average of 5.72/7 key gastric sites (81.7%).

系统的标志点检查器功能平均能识别出7个关键胃部解剖位点中的5.72个，准确率为81.7%，显示了其在自动定位方面的实用价值。

综上所述，本研究得出结论：这项先驱研究表明，CADe系统，特别是当与LCI成像模式结合使用时，有可能在不显著增加检查时间的前提下，增强胃镜检查过程中的胃癌检测能力。其结果令人鼓舞，显示人工智能辅助诊断具有巨大的应用潜力。然而，较高的假阳性率也表明，该系统仍需进一步的优化和算法 refinement（优化）以减少误报，才能更好地融入临床工作流程，成为内镜医师高效、可靠的决策支持工具。该研究的成功开展为未来更大规模、多中心的临床研究奠定了坚实的基础，推动了内镜人工智能从技术走向成熟临床应用的进程。