简介：摘要提高消化内镜的质量控制水平是减少漏诊、提高消化道早癌检出率的关键。人工智能技术为质控措施的落地提供了一种崭新的解决方案。本文对人工智能在辅助统计结构性指标、改进过程指标、优化结果指标等改善内镜质控方面的研究进行综述，期待将来以最低成本、最优效率同时整合病变检出、诊断、治疗以及内镜质量控制的人工智能系统能够在临床普及应用。

简介：摘要目的基于消化内镜人工智能与互联网平台，探索构建一个安全规范、科学严谨的消化内镜数据库，为我国消化内镜人工智能数据质量控制提供参考和依据。方法针对12种常见消化道疾病，参考相关指南规范，讨论确定消化内镜图像数据的采集与标注标准；研发山东省多中心消化内镜数据在线采集与标注软件；采用国内市场保有量>5%的内镜设备，对参与图像采集与标注的数十位经验丰富的内镜操作医师统一进行数据标注讲解训练。自2019年7月至2020年7月前瞻性、连续性采集、标注来自山东大学齐鲁医院、山东省立医院、聊城市人民医院、临沂市人民医院、威海市立医院、泰安市中心医院、滨州医学院附属医院、烟台毓璜顶医院、山东大学齐鲁医院青岛院区9家医疗中心的内镜检查数据；经数据优化、脱敏、泛化后上传至服务器，经文件同步、数据处理和专家审核，构建山东省多中心消化内镜人工智能数据规范化采集与标注数据库，即云平台。采用描述性方法进行统计学分析。结果制定了山东省多中心消化内镜人工智能数据采集与标注标准；研发了山东省多中心消化内镜人工智能在线采集与标注软件；成功构建了山东省多中心消化内镜人工智能数据库，数据库中标注病灶43 010个，其中，早期食管癌病灶2 906个，早期胃癌2 912个，早期结直肠癌2 397个，结直肠息肉9 773个(腺瘤性息肉5 539个，非腺瘤性息肉1 161个，未定性息肉3 073个)，标注图像40 353张，标注检查数量11 289例次。结论山东省多中心消化内镜人工智能云平台采用统一标准和采集标注软件，保证了内镜数据的安全性、规范性，为我国消化内镜人工智能数据标准化采集、标注质量控制体系的构建和第三方数据监管提供了参考和依据。

简介：摘要内镜黏膜下剥离术后出血与患者本身因素及手术者技术水平相关。本文报道了1例硝苯地平诱发内镜黏膜下剥离术后出血的病例，通过急诊内镜止血及停用硝苯地平后未再出血。

简介：摘要目的研发基于深度卷积神经网络(DCNN)的综合胃镜智能质控系统，并前瞻性评估该系统的临床可行性。方法针对胃镜检查中胃黏膜观察完整度、胃黏膜可视度、胃镜检查时长、胃癌可疑病变检测等质控目标分别设计胃镜扫查部位识别模型、胃黏膜可视度识别模型、体内外识别模型和胃癌检测模型4个DCNN模型。通过多中心回顾性纳入98 385张白光胃镜图像进行模型训练与测试。计算各模型的准确度、灵敏度、特异度，并绘制ROC曲线。整合模型形成多功能的综合智能质控系统，于山东大学齐鲁医院消化内镜中心前瞻性、连续纳入100例行常规胃镜检查的患者，进一步评估智能质控系统在实际临床应用中的可行性。记录系统各质控功能的运行情况(平均错误提示或正确率)和检查结束后病变检出情况。结果胃镜扫查部位识别模型识别各部位的准确度、灵敏度、特异度分别为98.40%～99.85%、61.95%～100.00%、98.65%～100.00%，ROC AUC值为0.997 6～1.000 0；胃黏膜可视度识别模型识别黏膜可视度的准确度、灵敏度、特异度分别为97.02%～98.27%、85.14%～99.28%、93.72%～100.00%；体内外识别模型判断体内外的准确度、灵敏度、特异度分别为97.27%、99.85%、94.50%，ROC AUC值为0.961 5；胃癌检测模型检测胃癌的准确度、灵敏度、特异度分别为95.92%、95.64%、96.05%，ROC AUC值为0.975 9。智能质控系统可行性评估结果示，在胃黏膜观察完整度质控中，系统平均错误填充0.32次/例；在胃黏膜可视度质控中，系统平均错误提示0.47次/例；胃镜检查时长智能计时正确率为96.00%；在胃癌可疑病变检测中，系统平均错误提示0.36次/例。最终共检出胃癌3例，胃高级别上皮内瘤变1例，系统均可准确识别、定位。结论胃镜智能质控系统可在实际检查中对胃黏膜观察完整度、胃黏膜可视度、胃镜检查时长、胃癌可疑病变检测进行准确质控，使精准、高效的胃镜质控成为可能。

简介：摘要如何提高消化道早癌的内镜检出率？建立并严格执行一套精准、规范的消化道早癌筛查的质量控制流程是解决问题的关键。利用人工智能和互联网技术，消化道早癌筛查的质量控制已逐渐走入智能化、信息化、自动化的新时代。