摘要
随着我国科技的进步及人民生活质量的逐渐提高,结直肠癌已跃升为前五高发的癌症,严重影响人民的健康及预期寿命。结直肠癌的形成需要一个很漫长的过程,因此,早发现、早诊断及早治疗极其重要,其中规范化的结肠镜检查是发现早期结直肠癌最有效的方法。近年来,人工智能辅助消化内镜检查正成为研究的热点,其应用在结直肠癌早诊早治方面有明显的成效。本文就人工智能辅助结肠镜检查的优缺点及存在的问题进行综述,并对未来人工智能辅助内镜诊断结直肠癌中的应用方向进行展望。
根据2016年2月国家癌症中心发布的《中国癌症统计数据》显示,结直肠癌的发病率在男性和女性中分别居第四位和第三位,其死亡率在男性和女性恶性肿瘤患者中均位于第五位[1]。结直肠癌的形成需要一个很漫长的过程,早发现、早诊断、早治疗极其重要。得益于结肠镜检查的技术发展与早诊早治理念的不断普及,结直肠癌的早诊早治能明显降低结直肠癌的发生率及病死率,使得癌症患者的痛苦及费用支出大大降低[2, 3]。其中,规范化及高质量的结肠镜检查,包括高质量的肠道准备、标准解剖部位的拍摄、合适的退镜时间及规范的观察病变方式等都是发现早期病变的关键要点[4]。然而,结肠镜检查的规范及质量高度依赖内镜医生的专业水平及操作经验,存在一定程度的漏诊和误判。我国大规模的荟萃分析提示结肠镜检查腺瘤的漏诊率高达26%,锯齿状息肉的漏诊率高达27%,进展期腺瘤的漏诊率可高达9%[5],因此,我们急需不同的辅助技术规范结肠镜操作及提高结肠镜检查质量。
随着人工智能(artificial intelligence,AI)的出现及高速的应用发展,AI辅助应用在医学的研究中大放异彩,特别是深度学习算法的应用使得AI辅助结肠镜检查成为国内外研究的热点领域,国内外团队的研究显示AI辅助结肠镜检查发现下消化道病变的研究结果令人满意[6],Yao等[7]研究显示计算机辅助息肉检测联合计算机辅助质量改进系统能有效地提高腺瘤的发现率。研究结果显示AI辅助结肠镜检查技术有望未来成为降低结直肠癌发病率及病死率的利器。以下就AI辅助结肠镜检查在发现下消化道病变应用的优缺点进行系统综述,同时对未来可应用方向进行展望。
一、AI在消化内镜中的发展历史
自1983年电子内镜的问世,为内镜的诊断和治疗开创了新的历史篇章,消化内镜也发展成为重要的疾病诊断技术。目前已证实消化内镜是提高消化道恶性肿瘤早期检出率的最有效方法[8]。但由于我国不同省市内镜医师诊断水平参差不齐、年轻内镜医师内镜操作培训的不规范性,使得内镜医师提供高质量的内镜诊断任务任重道远。AI作为一个融合计算机科学、统计学、脑神经学和社会科学的前沿综合学科,在消化内镜领域的研究异常火热[9, 10]。其中,深度学习(deep learning,DL)作为人工智能机器学习中的重要分支,进一步分为深度神经网络(deep neural networks,DNN)、循环神经网络(recurrent neural networks,RNN)和卷积神经网络(convolutional neural networks,CNN)[11, 12]。在图像分析方面,迄今为止,CNN取得了最好的结果。CNN是一种由多层简单计算节点组成的模型,但通过复杂的连接模拟人类视觉皮层的活动,可以学习越来越高级的特征[13]。AI的研究几乎覆盖消化内镜领域所有的内镜检查。在上消化道内镜检查中诊断食管病变方面,AI不仅可以辅助早期食管癌病变的检出并提高诊断率[14, 15],还能辅助早期食管癌的病变范围识别[16, 17]以及病变深度评估[18, 19]。在诊断胃部病变方面,AI不仅能辅助提高早期胃癌诊断率[20]、辅助自动标记病灶范围[21],还能辅助诊断幽门螺杆菌(helicobactor pylori,Hp)感染性胃炎[22]。在胶囊内镜检查中,AI可辅助识别小肠病变、病变定位及提高检查质量和效率[23, 24]。在结肠镜检查中,AI在辅助评估肠道准备的评分、提高结肠镜部位识别质量控制以及提高腺瘤检出率方面成果喜人,我们将在接下来的部分作进一步的阐述。AI算法可以使用不同的内镜技术和技术设置来进行开发及研究,虫草强肾王 多少钱包括常用内镜检查中的白光成像(white light imaging,WLI)、窄带成像(narrow band imaging,NBI)、放大内镜及超声内镜检查等。在AI的辅助下,我们有望在消化内镜技术上实现飞跃性的革新和进步。
二、AI在结肠镜检查中的应用
1. 辅助评估肠道准备的充分性
良好的肠道准备是观察结直肠黏膜及提高腺瘤检出率的重要检查基础[25]。在常规的结肠镜检查过程中,内镜医生通常会在结肠镜检查结束后根据自己的记忆记录波士顿肠道准备评分量表(Boston bowel preparation scale,BBPS),由于受到不同的退镜时间、自身经验及患者检查中的状态等主观因素的影响,不同内镜医师对肠道准备的基本理解存在差异,使得BBPS的结果存在主观性。AI技术可以根据BBPS对肠道准备情况进行智能质控,进行全肠道覆盖的实时及客观评价。Su等[26]开发的一个基于CNN模型的自动质量控制系统(automatic quality control system,AQCS)不仅能有效的提高内镜医师结肠镜检查退镜时的息肉及腺瘤发现率,还能实时评估肠道准备情况,当系统评分为不合格(BBPS评分<2)时,通过音频提示内镜医师清理肠道内容物或吸液池。AQCS可以有效保证退镜检查时间>6分钟,提高肠道清洁度合格率,实时动态识别息肉并报警,从而显著提高结直肠腺瘤和息肉的检出率。Lee等[27]开发了基于CNN算法的系统评估肠道准备是否适合BBPS评分以及在此基础上提供平均BBPS评分。结果显示该算法可以较好地评估肠道清洁度,准确率为85.3%,与专家评估结果相近。Zhou等[28]基于深度卷积神经网络开发了一个名为ENDOANGEL的系统,该系统每30秒提供一次肠道准备评分,并显示结肠镜检查退镜阶段各评分帧的累积比例。结果显示该系统对肠道准备图像进行了精确分类,准确率为93.33%,优于所有参虫草强肾王胶囊与研究的内镜医师。笔者认为虽然优化肠道准备药物的使用方式及加强对检查患者的宣教是高质量肠道准备的根本,但AI辅助评价肠道准备得出的反馈意见不仅能够有效的提高结肠镜检查的病变发现率、比较不同服用泻药时间的肠道准备差异,还能根据AI辅助评价的结果进一步对不同类型的患者制定个性化肠道准备药物及服药时间。
2. 提高结肠镜部位识别质量控制及肠道视野面积分析
高质量的结肠镜检查是提高检出率和正确诊断疾病的基础,需要包括末端回肠、回盲瓣、回盲部、阑尾开口、结肠、直肠及肛管整个完整的下消化道检查,盲肠插管率应至少达到90%[29]。高质量的结肠镜检查包括充分的肠道准备、清晰的全结直肠黏膜观察及患者满意的舒适度。但由于肠道结构的个体差异性、结肠镜的特性及弯曲度差异、内镜医师操作手法的熟练程度使得结肠镜检查不可避免地存在盲区,从而降低结肠镜检查质量。人工智能辅助结肠镜检查可以自动识别不同的部位如阑尾开口、末端回肠、回盲瓣、回盲部、直肠、肛管,监测并记录不同医师的退镜速度及观察时间。Gong等[30]开发了一个实时质量改进系统,监控实时退镜速度和退镜时间,提醒内镜医师注意因内镜滑动造成的盲点,使得此计算机辅助检测系统(computer-aided detection,CADe)对大的(>10 mm)结直肠息肉检出率显著提高。这是CADe有潜力提高较大腺瘤(>10 mm)检测的首篇报道,说明了高质量的结肠镜检查是内镜诊断和治疗的重要基础。在AI的辅助下提高结肠镜部位识别质量控制,可以帮助缺乏经验的内镜医师降低肠腔内盲点发生率及提高肠道面积覆盖率,从而降低腺瘤的漏诊率。同时,AI辅助结肠镜检查也可统一内镜操作规范,如发现规范要求的部位没有拍摄会自动提醒,为年轻医师内镜操作规范化培训提供有效的实时反馈。
3. 提高腺瘤检出率
腺瘤检出率是结肠镜检查的一项质量指标。提高腺瘤检出率,减少腺瘤或早期结肠鹿鞭虫草强肾王丸癌的漏诊是结肠癌早诊早治成功的关键[31]。扁平型、凹陷型及无蒂锯齿状息肉在常规内镜检查中难以发现,如果漏诊此类病变更易出现疾病进展的情况[32]。腺瘤检出率作为结直肠癌风险的独立预测因子,如何提高腺瘤检出率成为亟待解决的问题。Wang等[33]开展了基于深度学习的自动息肉检测系统的前瞻性队列研究,发现CADe系统可将息肉检出率和腺瘤检出率分别从29%和20%提高到45%和29%,腺瘤检出率的提高主要体现在小腺瘤(0 mm~5 mm)检出率的提高,较大腺瘤(>5 mm)的检出率则无统计学差异。此外,该研究团队的另一项研究发现CADe结肠镜检查的息肉和腺瘤漏检率均显著低于常规结肠镜检查,降低内镜医师白光检查时的腺瘤漏诊率,可能会降低间隔期结肠癌的发病率[34]。Repici等[35]将685例患者分为CADe组和非CADe组,发现CADe组的ADR显著高于非CADe组(54.8%vs.40.4%),研究的CADe系统不仅提高了小腺瘤(0 mm~5 mm)也提高了6 mm~9 mm腺瘤的检出率。Zhao等[36]训练和测试一个基于深度学习的CADe,能以95.0%的灵敏度和99.1%的特异性识别测试数据集中的息肉。在一项自身对照的观察性研究中,CAD识别息肉的敏感性为98.4%;内镜医师在CAD的帮助下也能提高息肉和腺瘤的发现率。由此可见,无论是AI技术本身对于息肉及腺瘤的识别还是AI辅助内镜医师识别息肉及腺瘤均具有积极的正向作用。
4. 辅助诊治结直肠癌及其他肠道病变
AI辅助下的结肠镜检查系统可帮助解决内镜检查中检查质量参差不齐、下消化道病变误诊漏诊等问题。Yamada等[37]开发了一种AI自动检测系统可自动识别早期结直肠癌的肠道特征,其灵敏度和特异度分别为97.3%和99.0%,该系统可在内镜医师检查过程中做到实时提示,避免遗漏,提高对这种疾病的早期发现。此外,AI可辅助提高炎症性肠病(inflammatory 肝病能吃虫草强肾王吗 bowel disease,IBD)中溃疡性结肠炎(ulcerative colitis,UC)和克罗恩病(crohn disease,CD)的鉴别诊断,辅助评估肠道黏膜状态,帮助临床医师对病变做早期干预[38]。多种先进的成像方式,如内镜窄带成像技术、细胞内窥镜、共聚焦显微镜、激光诱导荧光光谱和放大色素内镜,正在被用于辅助诊断肿瘤性病变与非肿瘤性病变表征中。Takemura等[39]开发了一种基于NBI放大结肠镜图像的计算机系统辅助诊断结直肠肿瘤性病变,该系统诊断准确率为97.8%,灵敏度为97.8%,特异度为97.9%,其诊断符合率与内镜专家诊断符合率无显著差异。CAD还可与放大色素内镜联合应用,对结直肠病变的恶性潜能进行自动化诊断,具有较高的敏感性[40]。由此可见,AI辅助结肠镜检查将会显著提高结肠镜检查的效率及准确度,提高结直肠肿瘤和其他下消化道病变的筛查率。
三、AI在结肠镜检查中存在的问题和展望
目前,AI辅助结肠镜检查正在多个国家多个中心展开如火如荼的研究,已经取得了些许成果,但仍存在一些问题。首先,大多数AI的研究仍局限于早期阶段的单中心、回顾性研究,缺乏多中心、前瞻性的随机对照试验。对于CAD在真实世界应用中的功效仍具有不确定性,能否降低结直肠癌的发病率和死亡率目前尚未可知。其次,有效的深度学习需要具备的高质量大数据集也是必不可缺的重要一环,但由于没有统一的检查仪器标准、采集图像质量的不稳定性以及明显存在的个体差异等问题,使得数据集的构建更为困难[41]。此外,算法只计算分析我们提供的图像,用于辅助诊断的患者附加信息并不总是会被纳入其中一起分析,容易造成对结果解释的片面性。在将来,需要更多长期、多中心、高质量、具有统一规范标准的前瞻性随机对照试验来验证这些计算系统的真实有效性。不仅仅局限于腺瘤检出率,对于结肠镜检查后结直肠癌的发生率等指标也应该进行研究分析,在未来也许会被纳入未来的深度学习策略中,向内镜诊断实现个体化、精细化更迈进一步。
2017年3月,“人工智虫草强肾王胶囊10元能”首次被写入我国政府工作报告,并作为新兴产业提上国家议程。内镜诊断的个体化、精细化和智能化将是发展的趋势,AI将为提高结肠镜的检查质量以及规范结肠镜操作提供巨大的希望。但是,仍需要临床医生与计算机学家的进一步深度合作,需要强有力的临床试验来证明其功能的改善。未来,在结肠内镜检查中,AI将更发挥其优势,为结肠镜识别下消化道病变的发展添加新的活力。
原文刊发于《中华结直肠疾病电子杂志》
引用本文:陈冰虹, 伍海锐, 柯岩, 张玮, 王贵齐. 人工智能辅助结肠镜检查在下消化道病变的应用进展[J/OL]. 中华结直肠疾病电子杂志, 2022, 11(02): 154-157. DOI: 10.3877/cma.j.issn.2095-3224.2022.02.010