人工智能辅助结肠镜识别遗漏息肉研究进展总结2026

人工智能辅助结肠镜识别遗漏息肉研究进展总结2026结直肠癌（CRC）是全球癌症相关死亡的第二大原因，并且在全球范围内其发生率和死亡率仍处于上升趋势。结肠镜检查是降低CRC发病率和死亡率的一级预防策略。在常规结肠镜检查中结直肠息肉的漏诊率约为25%。研究发现即便肠道准备充分的情况下进行结肠镜检查，仍有27%的间隔期结直肠癌（I-CRC）可能由遗漏病变发展而来。因此评价结肠镜检查质量指标除腺瘤检出率（ADR）之外，腺瘤漏诊率（AMR）仍备受人们关注。结直肠息肉漏诊的原因主要包括患者肠道准备不充分、黏膜暴露不充分、内镜医师主观漏诊、退镜时间不足等。目前减少结直肠息肉漏诊的措施包括人工智能、高清内镜、图像增强内镜和内镜前端辅助装置等。近年来，人工智能技术快速发展并深度融入临床医学中，相关研究已由单一检测系统的研发迈向检测、诊断与质量控制等多技术融合。另外，人工智能不受内镜医师认知偏差、注意力分散的影响，有效地增强临床医生识别和判断结直肠息肉的能力，从而有助于降低结直肠息肉漏诊率。本文就人工智能辅助结肠镜检查减少息肉漏诊方面的研究进展进行阐述。一、人工智能直接降低结直肠息肉漏诊率人工智能（AI）辅助内镜检查是利用机器学习、深度学习等算法，通过分析大量的结肠镜影像数据，找到结直肠病变的规律或特定特征，进而实现对异常黏膜的识别与提示，并在检查过程中实时监测，以降低漏诊率，提高检查效率。AI辅助结肠镜检测息肉称为计算机辅助检测，按功能可分为两个子领域分别是计算机辅助检测（CADe）系统和计算机辅助诊断（CADx）系统，CADe侧重于实时发现息肉、监测息肉位置，后者是则对发现息肉的性质进行诊断，为风险分层与监测间隔建议提供依据。目前国内外AI系统既有单一功能平台，也有将CADe与CADx集成的复合系统。内镜医生的注意力下降或疲劳造成可视化错误可能会影响结肠镜检查中结直肠息肉的发现。AI主要针对内镜医师主观漏诊问题，即识别内镜医师未能发现的病变。既往大部分研究已证实，AI可显著提高息肉检出率，由于息肉检出率和漏诊率分别代表两个不同的角度，所以高检出率并不能消除结直肠息肉漏诊的风险。尤其是检出息肉数量和类型可能会影响息肉切除术后的复查时间间隔。因此，本文重点综述AI对漏诊相关结局的影响；部分AI系统与漏诊相关报道文献较少，将腺瘤检出率作为间接参考。国际主流AI系统各具特色：美国美敦力（Medtronic）公司研发的GIGenius系统，已获得美国食品和药物管理局（FDA）批准，是美国市场的首个AI驱动的医疗设备。目前发布三个版本，2020年更新的第二代系统较第一代识别息肉的正确率更高，每帧平均敏感度分别为67.85%和50.63%。第三代则将CADe和CADx进行了融合，兼容白光和窄带成像模式。该系统发现息肉后用绿色框标记并发出声音提示内镜医师，标记时间越长假阳性的可能性越低。目前大部分研究报道GIGenius提高了腺瘤检出率，并且息肉切除率升高，但切除的息肉有71%息肉为腺瘤性息肉，其安全性和可靠性仍需进一步验证。目前，在遗漏晚期或较大（>10mm）腺瘤方面并未见报道。除GIGenius外，美国IterativeHealth公司开发的SKOUT系统与以色列MagentiqEyeLtd.公司研发的MAGENTIQ-COLO系统亦为获得FDA批准的CADe系统。现有研究提示SKOUT可提高检出腺瘤数量，但其对息肉漏诊率的影响仍需多中心、大样本研究进一步证实。MAGENTIQ-COLO具有显示辅助图像的单独触摸屏。相对SKOUT、GIGenius而言，该系统优化了对凹陷型、侧向发育型肿瘤等不同形态息肉的检测能力。但目前临床证据仍相对有限。另外，由日本奥林巴斯公司研发的Endo-AID系统，是目前主流的AI辅助结肠镜系统之一，可与最先进的内镜处理器EVISX1兼容，但其仅支持白光模式。其分为标准模式（检测出病变出现警示标志）及目标模式（方框标记病变部位）。CADEYE系统是由日本富士胶片公司开发，与ENDO-AID同属主流AI辅助结肠镜系统，但拥有CADe和CADx的双功能定位。DISCOVERY系统作为主流系统之一，是全球首个在随机对照试验中被证实能显著提升无蒂锯齿状病变（SSL）检出率的AI系统。研究发现，即使对于专家级内镜医师，使用DISCOVERY也能提升SSL的检出率，但目前尚无公开发表的研究报告DISCOVERY系统对AMR的影响。值得注意的是，除商业系统外，部分研究者是基于YOLO系列算法自主开发了CADe系统，并开展了前瞻性临床试验，其降低漏诊率的优势同样值得关注。国内主要的AI系统有：EndoScreener是我国首个消化内镜AI辅助产品，也是第一个用于前瞻性随机对照试验的CADe系统。Zhou等研究发现，EndoScreener在检测颗粒型侧向发育肿瘤方面表现出良好的性能。在我国进行的4项随机对照试验中表明EndoScreener系统显著提高了检测小型、无蒂和非晚期腺瘤检出率的效果，GlissenBrown等比较了EndoScreener系统辅助结肠镜和高清白光结肠镜检查，发现SSL的漏诊率（7.14%）显著低于高清白光组（42.11%），但样本量较少。此外，内镜精灵（ENDOANGEL）系统是集CADe和CADx于一体，用于标记和诊断异常病灶，同时能在胃肠镜检查中实时监测因滑动产生的盲区。我国一项研究中，将内镜精灵系统和常规内镜护士联合内镜医生对息肉检出率的结果进行对比，发现其在＜1cm息肉的检出率明显高于常规结肠镜检查。在ENDOANGEL的基础上，还研发了实时评估息肉大小的ENDOANGEL-CPS和评估静脉曲张的等级的ENDOANGEL-GEV系统，研究表明，其在测量息肉大小的准确度、胃食管静脉曲张的诊断和风险评估方面均优于内镜医师。国内外部分具有代表性的AI系统临床研究数据归纳如下（表1）。根据表1数据，AI辅助结肠镜检查展现出显著降低息肉、腺瘤漏诊率的优势。在采用“串联结肠镜”设计的研究中，EndoScreener系统辅助下的息肉漏诊率低至12.98%，AMR低至13.89%；CADEYE系统在直肠乙状结肠区域的AMR可低至11.9%。值得注意的是，在传统结肠镜检查中，息肉因体积小、颜色对比度低、边界不清晰等因素最易被遗漏。对于传统检查中直径＜5mm的小息肉，GIGenius系统将AMR从35.8%降至15.9%，AI的辅助效果更为突出。对于微小、平坦型或边界模糊的病变，AI也能有效地识别。此外，针对易被漏诊的SSL，EndoScreener系统也显示出降低其漏诊率的潜力。综上所述，AI辅助可将结肠镜检查的息肉漏诊率控制在较低水平，对于预防结直肠癌、间期结直肠癌的发生具有重要意义。但由于不同系统功能、研究设计与操作者结构存在异质性，仍需更多前瞻性、多中心研究进一步明确。除上述代表性系统外，尚有多种AI软件用于结肠镜病灶检出、诊断或质量控制。我国已经上市的辅助结肠镜检查质量控制的“小花探影”、具有CADe功能的“影诺鹰眼（Eagle-Eye）”和“结肠息肉电子内镜图像辅助检测软件”等等；国外如具有诊断功能的Supportvectormachine、Movingaveragemethod、WISEVISION，具有检测功能的Localsystem、EndoVigilant等多个系统，由于缺乏以结直肠息肉漏诊率为终点的前瞻性临床研究或证据尚不充分，本文未逐一展开。二、人工智能间接降低结直肠息肉漏诊率不充分的肠道准备作为漏诊结直肠息肉的主要原因之一，其重要性在国内外得到广泛关注。既往研究提示部分漏诊的息肉与肠道准备不足相关。AI可应用于患者肠道准备中。在日本利用结肠镜检查患者的粪便图像作为训练数据，建立了可以安装到智能手机的应用程序，若该程序提示不合格则补充肠道清洁剂。研究结果发现BBPS≥6分患者高达99%。我国一项研究中不仅对粪便进行分析，还给出准确的建议来提高肠道准备。将524例患者随机分配到对照组、AI组，AI组的肠道准备的平均BBPS评分显著高于对照组（6.74±1.25vs.5.97±1.81）。然而，应用AI前应充分评估其准确度是否与专家水平保持一致。总之，AI通过实时检测、及时干预将不合格的肠道准备转变为合格，降低了本可能因视野不清而造成的漏诊。上述研究证实AI可有效改善肠道准备质量，但尚未报告其对结直肠息肉漏诊的直接影响，仍需以漏诊率为终点、并明确干预策略的前瞻性研究进一步验证。AI通过规范化低年资内镜医师操作减少结直肠息肉漏诊。临床观察发现，低年资内镜医师在结肠镜检查过程中常存在操作重心失衡现象，往往过度关注进镜速度而忽视退镜阶段的系统观察，造成了观察时间不足、视野暴露不充分等问题，增加漏诊风险。AI一方面通过CADe在息肉短暂出现或对比度较低时提示内镜医师，以增强对易遗漏息肉的识别；另一方面，具备质控功能的系统可对退镜操作、观察盲区等进行提示，减少因观察不充分造成的遗漏。Yao等将685例患者随机分配到低年资组（无结肠镜检查经验）、AI辅助低年资组、专家组（＞5000次结肠镜检查）。研究结果表明，AI辅助低年资组的AMR和息肉漏诊率均低于专家组（分别为18.82%vs.43.69%和21.23%vs.35.38%），尤其是＜5mm且位于乙状结肠的AMR显著降低。日本一项多中心研究，采用累积总和控制图（CUSUM）评估学习曲线，发现利用AI辅助低年资医师能够实现更低的AMR，并且更稳定。此外，串联结肠镜研究结果显示，AI辅助低年资内镜医师（完成200~400次检查）与高年资内镜医师（完成＞10000次检查）之间在息肉检出率、腺瘤检出率、微小病变检出率等方面均无明显差异。可见低年资医师在AI辅助下可达到高年资医师水平，但该研究样本量较小。另外，右半结肠皱襞多、腔隙与弯曲结构复杂，且平坦、微小病灶比例较高，使系统性观察与充分暴露更具挑战性，然而AI可以对受训人员进行针对性指导改进右半结肠腺瘤的检测，间接减少右半结肠息肉漏诊的风险，同时缩短了低年资内镜医师的学习曲线。总之，AI可能加速低年资医师成长，但其对长期漏诊结局的稳定获益、以及最佳培训整合模式仍需前瞻性研究。然而，人工智能是一把双刃剑。首先，AI辅助技术可能导致内镜医师技术减退。有研究表明，CADe发现息肉比内镜医师明显更快（1.16svs.2.97s），同时应用CADe后内镜医师的眼动距离明显缩短，这表明医师可能会变得懒惰，主动搜寻可疑病变的积极性有所下降。对经验丰富且具有一定专业知识的内镜医师来说影响不大，但从长远来看，对于初学者可能存在消极影响，目前还需大量研究明确。其次，虽然大多数结直肠癌是从息肉发展而来的，但许多位于乙状结肠和直肠的结直肠息肉都很小（直径＜5mm），这些小息肉以及增生性息肉几乎没有发展成为恶性结直肠肿瘤的潜力，如果盲目地切除，反而可能会增加患者的医疗成本和并发症的风险。最近的一项荟萃分析评估了CADEYE、GIGenius、EndoBRAIN、CADx（NBI-CAD）、POLAR等系统对非肿瘤性和肿瘤性病变的识别，研究表明，AI辅助系统与内镜医生识别不必要切除的非肿瘤性息肉的能力相似（55.4%vs.58.4%），AI辅助系统并没有体现出显著优势。故提高CADx的准确性，也是未来研究和开发的重点。最后，AI兼容性不足。在不同地区、人群等不