前沿：AI辅助标准白光肠镜可准确探测早期结直肠癌

摘要：在这项多中心诊断临床研究中，研究团队基于深度学习建立了AI辅助的CRC早期诊断模型，该模型基于来自中国不同医疗水平（即县级医院，市级医院，省级专科医院）医院的不同肠镜检查图像。因此，这项研究的目标是建立基于标准白光肠镜检查（WLE）的早期CRC和潜在恶化特征系统计算机辅助诊疗（以下简称ECRC-CAD），并致力于在临床上应用于不同地区。

不久前在medRxiv网站上，一项多中心诊断研究结果出现在人们的视野中，研究团队来自中国福建、广东、浙江等省的多家医院和研究机构，以及美国包括耶鲁大学、宾夕法尼亚大学、西奈山等多家研究所。他们针对白光肠镜结果，通过AI实现了人工智能辅助诊疗，并能成功诊断和发现结直肠早癌。是目前在该领域涉及病例数最多，数据最庞大的一项研究。

CRC以及AI辅助诊断

大肠癌（CRC）是全球最常见的恶性肿瘤之一。“2020年癌症统计数据”表明，所有癌症中，CRC的发病率和死亡率排第三位。早期CRC的准确识别和治疗对于降低发病率和死亡率至关重要。但是，早期CRC通常没有症状，结肠镜检查是探测早癌的有效途径。有些国家建议50岁以上的成年人应定期通过结肠镜检查筛查CRC。镜检查是由专家进行的，由于内镜医师的经验、手术中的干扰以及不可避免的眼球运动间隔等多种原因，会导致漏诊和误诊。计算机辅助诊断（CAD）系统可以解决上述问题。

近年来，一些基于人工智能（AI）的CAD系统已经进入临床前应用阶段。但是，研究设计的局限性（即缺乏外部验证，无法解决关键的临床问题）导致现有的辅助手段并不真正适用，并能直接用于临床实践。在胃肠道肿瘤领域，大多数研究集中在息肉和腺瘤的检测，以及针对晚期癌症的分期和肠镜手术的优化等。这些CAD系统在降低CRC死亡率方面的作用需要通过更多的临床试验来验证。

可直接减少CRC发生率的早期胃肠道癌症诊断系统受到极大的限制，因为来自单个医疗中心的图像数量不足以支持多中心运用的建立。因此，这项研究的目标是建立基于标准白光肠镜检查（WLE）的早期CRC和潜在恶化特征系统计算机辅助诊疗（以下简称ECRC-CAD），并致力于在临床上应用于不同地区。

AI辅助诊断CRC的新突破

在这项多中心诊断临床研究中，研究团队基于深度学习建立了AI辅助的CRC早期诊断模型，该模型基于来自中国不同医疗水平（即县级医院，市级医院，省级专科医院）医院的不同肠镜检查图像。此外，ECRC-CAD可以识别上皮内肿瘤（IN），这是最典型的恶性癌前病变之一，可以通过使用图像增强肠镜（IEE）进行区分并通过组织学测试进行诊断。研究收集的内部和外部数据集以及前瞻性收集的内部数据集已验证了该模型的临床适用性。

研究者根据美国癌症协会结直肠癌筛查指南，美国胃肠内镜学会大肠癌社会协会(MSTF)工作指南，总结了当前CRC筛查的工作流程。制定了筛查和预防CRC的临床决策路径。ECRC-CAD在促进优化CRC筛查临床路径方面有几方面的准则：1. 减少人为因素导致的漏诊率；2.降低由于不可避免的活检难题而导致的误诊率；3.对于可以在第一次肠镜手术中完全清除的病变，ECRC-CAD可帮助医生准确识别并进行足够深的切除；4. 减少组织病理学结果的等待时间。

研究使用了五家医院的肠镜图像。早期CRC患者的每幅图像均根据解剖位置进行筛选，并由三名肠镜医师进行核验。设立严格的排除标准诸如：在IEE下拍摄的照片；没有任何早期CRC病变的照片；未按照研究团队总结的采样标准确认照片等。

诊断系统网上查询

数据库中的所有图像均显示至少一个病变，对于同一病变可拍摄多幅图像，包括角度，距离和肠壁延伸的差异。图像以jpeg格式保存。只要连接了数据库，各医院就可以通过上传图像，快速得到早癌识别结果。

当FCN从验证图像的输入数据中检测到早期CRC时，模型将输出病变信息。在前瞻性数据集中，将性能与组织病理学结果和专家诊断结果同时进行比较。在前瞻性收集的数据集中，AI随机选择了经过组织学确认的早期CRC的患者图像子集。由两名经验丰富的内镜医师独立完成相同的图像测试过程。ECRC-CAD和专家的诊断结果以患者为单位，符合临床要求。