人工智能实时辅助消化内镜检查在胃癌癌前病变筛查中的应用效果观察

陆建新

（梧州市红十字会医院，广西 梧州 543000）

近年来随着科学技术的发展，人工智能在医学领域的应用逐渐得到重视，将人工智能用于筛查重大疾病的报道越来越多[1-3]。人工智能实时辅助消化内镜检查就是随着人工智能的发展而出现的一种新型检查方法。胃癌癌前病变是指一类易发生癌变的胃黏膜病理组织学变化，包括慢性萎缩性胃炎、胃黏膜低级别上皮内瘤变、慢性胃溃疡、胃腺瘤性息肉、残胃炎等。本文主要是探讨人工智能实时辅助消化内镜检查在胃癌癌前病变筛查中的应用效果。

1 资料与方法

1.1 一般资料

选择2019 年7 月至2020 年7 月期间我院收治的300例疑似存在胃癌癌前病变的患者作为研究对象。其中，排除对进行消化内镜检查存在禁忌证、存在肝肾功能异常或免疫功能障碍、病历资料缺失、近期有上消化道手术史或不愿参与本研究的患者。在这300 例患者中，有男性187 例，女性113 例；其年龄为20 ～76 岁，平均年龄为（52.62±6.82）岁。

1.2 方法

对这300 例患者进行传统消化内镜检查的方法是：在检查前让其禁食12 h，检查前2 h 让其口服去泡剂与去黏液剂，以去除附着于胃壁上的泡沫与黏液。对患者进行静脉麻醉及鼻导管吸氧，待其睫毛反射消失后经口置入电子胃镜。在胃镜下找到病变部位，从不同角度对病变部位进行观察，并取少量病变组织进行病理学检查。对这300 例患者进行人工智能实时辅助消化内镜检查的方法是：在检查前让患者禁食12 h，检查前2 h 让其口服去泡剂与去黏液剂，以去除附着于胃壁上的泡沫与黏液。对患者进行静脉麻醉及鼻导管吸氧，待其睫毛反射消失后经口置入电子胃镜，并采用消化内镜人工智能辅助诊断系统（Gastrointestinal Cancer Endoscopy Real-time Artificial Intelligence Diagnostic System，GRAIDS）对其进行检查。该系统具有实时活检部位精确提示、内镜检查智能质控和自动采图等功能，可在医生进行内镜检查的同时自动捕获图像并进行云端人工智能分析，实时提示精确的可疑病灶区域，指导医生选择活检部位。

1.3 观察指标

观察并记录对这300 例患者进行传统的消化内镜检查、人工智能实时辅助消化内镜检查与病理学检查的结果。比较用人工智能实时辅助消化内镜检查与传统的消化内镜检查诊断这300 例患者病情的敏感度、特异度和准确率。敏感度= 真阳性例数/（真阳性例数+ 假阴性例数）×100%。特异度=真阴性例数/（假阳性例数+真阴性例数）×100%。准确率=（真阳性例数+ 真阴性例数）/ 总例数×100%。调查8 名医生对人工智能实时辅助消化内镜检查与传统消化内镜检查质量（包括检出定位、性质鉴别与检出效能三个方面）及满意度的评分。检查质量评分和满意度评分的分值均为1 ～5 分，医生的评分越高表示其对消化内镜检查的质量越认可、对检查的满意度越高。

1.4 统计学方法

用SPSS 21.0 软件处理本研究中的数据，计数资料用%表示，用χ²检验，计量资料用均数±标准差（± s）表示，用t 检验，P ＜0.05 表示差异有统计学意义。

2 结果

2.1 对这300 例患者进行病理学检查与消化内镜检查的结果

对这300 例患者进行病理学检查的结果显示，其中有238 例患者存在胃癌癌前病变。对这300 例患者进行传统消化内镜检查的结果显示，其中有209 例患者存在胃癌癌前病变。对这300 例患者进行人工智能实时辅助消化内镜检查的结果显示，其中有230 例患者存在胃癌癌前病变。详见表1。

表1 对这300 例患者进行病理学检查与消化内镜检查的结果（例）

2.2 用两种消化内镜检查诊断这300 例患者胃癌癌前病变的结果

用人工智能实时辅助消化内镜检查诊断这300 例患者胃癌癌前病变的敏感度、特异度和准确率分别为95.38%、95.16% 和95.33%，用传统消化内镜检查诊断其胃癌癌前病变的敏感度、特异度和准确率分别为83.19%、82.26%和83%。用人工智能实时辅助消化内镜检查诊断这300 例患者胃癌癌前病变的敏感度、特异度和准确率均高于用传统消化内镜检查诊断其胃癌癌前病变的敏感度、特异度和准确率，差异有统计学意义（P ＜0.05）。详见表2。

表2 用两种消化内镜检查诊断这300 例患者胃癌癌前病变的结果[%（例/例）]

2.3 8 名医生对这两种消化内镜检查质量及满意度的评分

8 名医生对人工智能实时辅助消化内镜检查质量和满意度的评分均高于对传统消化内镜检查质量和满意度的评分，差异有统计学意义（P ＜0.05）。详见表3。

表3 8 名医生对这两种消化内镜检查质量及满意度的评分（分，± s）

表3 8 名医生对这两种消化内镜检查质量及满意度的评分（分，± s）

组别例数对检查质量的评分对检查满意度的评分性质鉴别评分检出定位评分检出效能评分传统消化内镜检查 83.15±0.48 3.09±0.41 3.21±0.50 3.18±0.51人工智能实时辅助消化内镜检查84.46±0.28 4.52±0.36 4.63±0.28 4.52±0.29 t 值6.6687.4135.7956.460 P 值＜0.001＜0.001＜0.001＜0.001

3 讨论

慢性萎缩性胃炎、胃黏膜低级别上皮内瘤变、慢性胃溃疡、胃腺瘤性息肉、残胃炎等均属于胃癌癌前病变。临床上应对胃癌癌前病变患者的病情进行早诊断、早治疗，以控制其病情的发展，降低其胃癌的发生风险。过去，临床上常采用传统的消化内镜检查诊断胃癌癌前病变，不仅耗时耗力，还易出现误诊、漏诊等问题。人工智能实时辅助消化内镜检查具有诊断的准确性和效能高、学习性强等优势，近年来受到专家学者的广泛关注[4-5]。本研究的结果显示，用人工智能实时辅助消化内镜检查诊断这300 例患者胃癌癌前病变的敏感度、特异度和准确率均高于用传统消化内镜检查诊断其胃癌癌前病变的敏感度、特异度和准确率，差异有统计学意义（P ＜0.05）。究其原因主要是，GRAIDS 具有高度的可学习性，在导入相应的处理方法和算法（如人工神经网络、分类决策树、回归分析等）后能自动化处理患者的检查结果，进行病灶识别与智能诊断[6-7]。此外，随着GRAIDS 的不断升级，可使人工智能平台更加智能化，使之具备纠错与长效学习的特性。李玲等[8]研究指出，在基于电子胃镜影像的上消化道疾病智能辅助诊断框架下诊断上消化道疾病能有效地分流临床上诊断此类疾病的压力，减轻医师的工作负担，减少医师因职业疲劳而出现人为误诊、漏诊等问题。但本研究也存在一定的局限性，如样本量偏少，可能导致统计学结果的客观性不足。为进一步提高本研究的科学性，未来可持续加大样本投入，争取开展多中心、大样本研究，并在此基础上进行深入的分类研究（如细化患者的年龄层、细化单个胃癌癌前病变病种的筛查等）。

综上所述，用人工智能实时辅助消化内镜检查诊断胃癌癌前病变的敏感度、特异度和准确率较高，该检查方法可用于筛查胃癌癌前病变。