前沿：AI輔助標準白光腸鏡可準確探測早期結直腸癌

摘要：在這項多中心診斷臨牀研究中，研究團隊基於深度學習建立了AI輔助的CRC早期診斷模型，該模型基於來自中國不同醫療水平（即縣級醫院，市級醫院，省級專科醫院）醫院的不同腸鏡檢查圖像。因此，這項研究的目標是建立基於標準白光腸鏡檢查（WLE）的早期CRC和潛在惡化特徵系統計算機輔助診療（以下簡稱ECRC-CAD），並致力於在臨牀上應用於不同地區。

不久前在medRxiv網站上，一項多中心診斷研究結果出現在人們的視野中，研究團隊來自中國福建、廣東、浙江等省的多家醫院和研究機構，以及美國包括耶魯大學、賓夕法尼亞大學、西奈山等多家研究所。他們針對白光腸鏡結果，通過AI實現了人工智能輔助診療，並能成功診斷和發現結直腸早癌。是目前在該領域涉及病例數最多，數據最龐大的一項研究。

CRC以及AI輔助診斷

大腸癌（CRC）是全球最常見的惡性腫瘤之一。“2020年癌症統計數據”表明，所有癌症中，CRC的發病率和死亡率排第三位。早期CRC的準確識別和治療對於降低發病率和死亡率至關重要。但是，早期CRC通常沒有症狀，結腸鏡檢查是探測早癌的有效途徑。有些國家建議50歲以上的成年人應定期通過結腸鏡檢查篩查CRC。鏡檢查是由專家進行的，由於內鏡醫師的經驗、手術中的干擾以及不可避免的眼球運動間隔等多種原因，會導致漏診和誤診。計算機輔助診斷（CAD）系統可以解決上述問題。

近年來，一些基於人工智能（AI）的CAD系統已經進入臨牀前應用階段。但是，研究設計的侷限性（即缺乏外部驗證，無法解決關鍵的臨牀問題）導致現有的輔助手段並不真正適用，並能直接用於臨牀實踐。在胃腸道腫瘤領域，大多數研究集中在息肉和腺瘤的檢測，以及針對晚期癌症的分期和腸鏡手術的優化等。這些CAD系統在降低CRC死亡率方面的作用需要通過更多的臨牀試驗來驗證。

可直接減少CRC發生率的早期胃腸道癌症診斷系統受到極大的限制，因爲來自單個醫療中心的圖像數量不足以支持多中心運用的建立。因此，這項研究的目標是建立基於標準白光腸鏡檢查（WLE）的早期CRC和潛在惡化特徵系統計算機輔助診療（以下簡稱ECRC-CAD），並致力於在臨牀上應用於不同地區。

AI輔助診斷CRC的新突破

在這項多中心診斷臨牀研究中，研究團隊基於深度學習建立了AI輔助的CRC早期診斷模型，該模型基於來自中國不同醫療水平（即縣級醫院，市級醫院，省級專科醫院）醫院的不同腸鏡檢查圖像。此外，ECRC-CAD可以識別上皮內腫瘤（IN），這是最典型的惡性癌前病變之一，可以通過使用圖像增強腸鏡（IEE）進行區分並通過組織學測試進行診斷。研究收集的內部和外部數據集以及前瞻性收集的內部數據集已驗證了該模型的臨牀適用性。

研究者根據美國癌症協會結直腸癌篩查指南，美國胃腸內鏡學會大腸癌社會協會(MSTF)工作指南，總結了當前CRC篩查的工作流程。制定了篩查和預防CRC的臨牀決策路徑。ECRC-CAD在促進優化CRC篩查臨牀路徑方面有幾方面的準則：1. 減少人爲因素導致的漏診率；2.降低由於不可避免的活檢難題而導致的誤診率；3.對於可以在第一次腸鏡手術中完全清除的病變，ECRC-CAD可幫助醫生準確識別並進行足夠深的切除；4. 減少組織病理學結果的等待時間。

研究使用了五家醫院的腸鏡圖像。早期CRC患者的每幅圖像均根據解剖位置進行篩選，並由三名腸鏡醫師進行覈驗。設立嚴格的排除標準諸如：在IEE下拍攝的照片；沒有任何早期CRC病變的照片；未按照研究團隊總結的採樣標準確認照片等。

診斷系統網上查詢

數據庫中的所有圖像均顯示至少一個病變，對於同一病變可拍攝多幅圖像，包括角度，距離和腸壁延伸的差異。圖像以jpeg格式保存。只要連接了數據庫，各醫院就可以通過上傳圖像，快速得到早癌識別結果。

當FCN從驗證圖像的輸入數據中檢測到早期CRC時，模型將輸出病變信息。在前瞻性數據集中，將性能與組織病理學結果和專家診斷結果同時進行比較。在前瞻性收集的數據集中，AI隨機選擇了經過組織學確認的早期CRC的患者圖像子集。由兩名經驗豐富的內鏡醫師獨立完成相同的圖像測試過程。ECRC-CAD和專家的診斷結果以患者爲單位，符合臨牀要求。