简介：摘要目的评估智能消化内镜质控系统在结肠镜检查中的质量监控作用。方法根据纳入排除标准，将来自武汉大学人民医院内镜中心的9名内镜医师按随机数字法随机分配到质控组和对照组。质控前阶段(2019年4月20日—2019年5月31日)收集入组内镜医师进行的结肠镜检查资料。质控培训阶段(2019年6月1—30日)质控组内镜医师培训质控相关知识和智能消化内镜质控系统的使用说明；对照组内镜医师仅培训质控相关知识。质控后阶段(2019年7月1日—2019年8月20日)每周给质控组内镜医师反馈质控报告，而对照组内镜医师无质控报告。收集两组内镜医师结肠镜检查资料。主要终点为腺瘤检出率，次要终点为退镜时间、息肉检出率、达盲率。结果9名内镜医师中，质控组4名，对照组5名。质控前阶段和质控后阶段共纳入结肠镜检查1 471例。质控组的腺瘤检出率及息肉检出率在质控后提高[13.7%(45/329)比7.1%(24/338), χ2＝55.796，P<0.001；48.9%(161/329)比40.2%(136/338)，χ2＝4.071，P＝0.044]，退镜时间较质控前增加[5.9(3.9，7.3)min比4.1(2.8，6.1)min，Z＝6.965，P<0.001]。而对照组质控后阶段与质控前阶段以上指标比较差异均无统计学意义[9.3%(37/398)比9.1%(37/406), χ2＝0.329，P＝0.566；33.9%(135/398)比33.0%(134/496), χ2＝3.616，P＝0.057；3.9(2.7，6.1)min比3.6(2.6，5.8)min，Z＝1.355，P＝0.175]。结论智能消化内镜质控系统结合审查和反馈模式可以实现对内镜医师结肠镜检查的质控作用，并提高内镜医师的结肠镜检查质量。

简介：摘要目的构建一种基于计算机视觉的结肠镜退镜速度实时监控系统，并验证其可行性和性能。方法从武汉大学人民医院消化内镜中心数据库选取2018年5—10月期间的35 938张肠镜图片和63个结肠镜检查视频。肠镜图片分成体外/体内/不合格和回盲部/非盲肠两个数据集，分别从第一个、第二个数据集中选取3 594张和2 000张图片用于深度学习模型的测试，其余图片用于训练模型；选取3个结肠镜检查视频资料评价实时监控系统自动监控退镜速度的可行性，剩余60个结肠镜检查视频资料用于评估实时监控系统的性能。结果深度学习模型对于结肠镜检查图片分类识别体外/体内/不合格图片的准确率分别为90.79%(897/988)、99.92%(1 300/1 301)、99.08%(1 293/1 305)，总体准确率为97.11%(3 490/3 594)；分类识别回盲部/非盲肠图片的准确率分别为96.70%(967/1 000)、94.90%(949/1 000)，总体准确率为95.80%(1 916/2 000)。在其可行性评价方面，3个结肠镜视频资料显示退镜速度与图片处理间隔时间呈线性关系，提示该监控系统可在结肠镜退出过程中自动监控退镜速度。在其性能评价方面，结肠镜退镜速度实时监控系统正确预测了所有60个肠镜检查的开始时间和结束时间，分析显示结肠镜平均退镜速度和退镜时间呈明显负相关(R＝－0.661，P<0.001)，退镜时间不足5 min、5～6 min和超过6 min视频的平均退镜速度的95%置信区间分别为43.90～49.74、40.19～45.43和34.89～39.11，故将39.11设为安全退镜速度，将45.43设为预警退镜速度。结论构建的结肠镜退镜速度实时监控系统可用于实时监控结肠镜退镜速度，可在结肠镜检查中辅助内镜医师进行实时监测，以提高结肠镜检查质量。

简介：摘要目的研究早期胃癌诊断中智能染色内镜的作用。方法选取86例我院内镜室进行普通胃镜检查疑似早期胃癌患者，分别采用电子放大镜、FICE染色放大内镜、靛胭脂染色放大镜进行检查，以组织病理检查作为金标准，对比三种镜检的敏感性、特异性和符合率情况。结果组织病理学检查有22例确诊为早期胃癌，FICE染色放大内镜的敏感度、特异性、符合率分别为95.45%、98.44%、97.67%，明显高于电子放大镜的59.09%、84.38%、77.91%，差异均有统计学以（p<0.05），略高于靛胭脂染色放大镜的81.82%、95.31%、91.86%，但是差异不显著（p>0.05）。结论早期胃癌诊断中，智能染色内镜具有很高的敏感性和特异性，而且能够提供清晰的血管图像。

简介：摘要目的评估人工智能(artificial intelligence，AI)辅助胃癌诊断系统在实时染色放大内镜视频中对内镜医师识别胃癌能力的影响。方法回顾性收集2017年3月—2020年1月武汉大学人民医院和公开数据集中的早期胃癌和非癌染色放大内镜图片作为训练集和独立测试集，其中训练集包括4 667张图片(1 950张早期胃癌和2 717张非癌)，测试集包括1 539张图片(483张早期胃癌和1 056张非癌)。利用深度学习进行模型训练。前瞻性收集2020年6月9日—2020年11月17日来自北京大学肿瘤医院和武汉大学人民医院的100例患者的染色放大内镜视频(包含38例癌和62例非癌)作为视频测试集。纳入来自另外4家医院的4名不同年资内镜医师，分2次(无或有AI辅助)对视频测试集进行诊断，评估AI对内镜医师判断胃癌能力的影响。结果无AI辅助时，内镜医师诊断视频测试集中胃癌的准确率、敏感度和特异度分别为81.00%±4.30%、71.05%±9.67%和87.10%±10.88%；在AI辅助下，内镜医师辨认胃癌的准确率、敏感度和特异度分别为86.50%±2.06%、84.87%±11.07%和87.50%±4.47%，诊断准确率(P＝0.302)和敏感度(P＝0.180)较无AI辅助时均有提升。AI在视频测试集中辨认胃癌的准确率为88.00%(88/100)，敏感度为97.37%(37/38)，特异度为82.26%(51/62)，AI的敏感度高于内镜医师平均水平(P＝0.002)。结论AI辅助诊断系统是染色放大内镜模式下辅助诊断胃癌的有效工具，可提高内镜医师对胃癌的诊断能力。它能实时提醒内镜医师关注高风险区域，以降低漏诊率。

简介：摘要提高消化内镜技术水平是各医院、学术组织和政府职能部门等多年努力践行的工作，目前存在的一些问题，需要借助人工智能的帮助。基于深度学习的卷积神经网络已广泛应用于各种消化内镜人工智能辅助系统。《中华消化杂志》本期人工智能专题刊载的消化内镜人工智能辅助系统与设备可从部位质量控制、隆起型病变检出和息肉性质鉴别3个层面辅助消化内镜检出和甄别病变；减轻胶囊内镜医师阅片的工作负担，以便聚焦小肠出血病灶的检出。这些医工结合的研究，敦促消化病学与人工智能技术的深度融合。

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：摘要近年来，人工智能(artificial intelligence，AI)技术迅速发展，并在医学多个领域掀起研究热潮，展现了巨大的发展潜力，有望为医疗领域带来革命性的变化。目前，消化内镜领域AI的研究正如火如荼地开展，已取得诸多可喜成果。本文就我国消化内镜AI的相关研究进行系统性阐述，总结目前大数据协作组的工作情况，并对消化内镜AI的挑战与展望进行了讨论。

简介：摘要目的评价智能消化内镜质控系统在胃镜检查中的质量控制作用。方法将来自武汉大学人民医院的14例内镜医师按随机数字法分配到质控组和对照组。在质控前阶段（2019年4月20日—2019年5月31日），回顾性收集入组内镜医师的胃镜检查资料信息。在质控培训阶段（2019年6月1—30日），质控组内镜医师培训质控相关知识和智能消化内镜质控系统的使用说明；对照组内镜医师仅培训质控相关知识。在质控后阶段（2019年7月1日—2019年8月20日），通过审查和反馈模式，由智能消化内镜质控系统统计质控组内镜医师胃镜检查的质控指标并生成质控报告，每周将质控报告反馈给质控组内镜医师。主要观察质控组和对照组癌前病变检出率的变化。结果内镜医师被随机分配到质控组和对照组各7例。质控前阶段和质控后阶段共纳入胃镜检查3 446例，其中，质控前阶段1 651例（质控组753例、对照组898例），质控后阶段1 795例（质控组892例、对照组903例）。质控组的癌前病变检出率在质控后提高了3.6%［3.3%（29/892）比6.9%（52/753），χ2=11.65，P<0.01］，对照组提高了0.4%［3.3%（30/903）比3.7%（33/898）， χ2=0.17，P=0.684］。结论智能消化内镜质控系统结合审查和反馈模式可对内镜医师的胃镜检查起质量控制作用，并提高内镜医师的胃镜检查质量。

简介：[摘要 ] 目的 探讨智能分光比色内镜（ FICE）在早期食管癌中的诊断价值。方法 2016年 1月至 2017年 6月疑似食管癌患者 1257例，先后经过 FICE内镜和碘染色内镜检查，对比两种内镜的敏感度、特异度、 ROC曲线下面积、胃镜后疼痛评分。结果 1257例疑似患者中病理确诊为早期食管癌的共 62例， FICE胃镜诊断早期食管癌的敏感度为 95.24%，特异度为 99.75%；碘染色胃镜的敏感度为 92.06%，特异度为 99.83%，两组 ROC曲线下面积无明显统计学差异（ P>0.05）。 FICE内镜后疼痛自评表得分低于碘染色内镜，差异有统计学意义（ P<0.05）。结论 FICE内镜在早期食管癌诊断上可取得很好效果，相比碘染色内镜，其疼痛程度更低，拥有良好的临床应用前景。

简介：在体反射式共聚焦显微镜是一种非侵入性的影像学技术,可以获得细胞水平分辨率的水平扫描皮肤图像。在炎症性皮肤病常用光镜下炎症模式基础上明确了四种主要反射共聚焦显微镜炎症模式,以这四种主要炎症模式的“主要”特征和“次要”特征为主干可能进行模式诊断,基于这些模式诊断标准的明确将有可能通过深度学习的模型达到智能诊断的目的。

简介：摘要：人工智能（Artificial Intelligence，AI）在药物研发、卫生管理等医学领域有着广阔的应用。特别是呼吸系统领域，人工智能技术已经广泛应用在了肺部放射影像，临床路径优化管理，慢病管理等领域。支气管镜作为呼吸系统疾病诊断和治疗的重要工具，人工智能在支气管镜检查中的应用也获得了一定的关注和研究，旨在提高临床诊断效率及准确率、降低医生工作负荷等。为此，本文将从图像识别、智能导航、机器人支气管镜系统三个方面着重分析人工智能技术在支气管镜检查的应用现状，并探讨其挑战和未来发展方向。

简介：摘要目的评估高清智能染色内镜（iSCAN）结合频闪喉镜鉴别声带白斑病变的临床应用价值。方法回顾性分析2020年10月至2021年8月于浙江大学医学院附属第二医院耳鼻咽喉科行CO2激光喉显微手术明确病理性质的79例声带白斑患者资料，其中男性75例，女性4例，年龄33~90（61.5±10.3）岁。术前采用iSCAN和频闪喉镜观察和评估病变形态学特征、微血管形态、黏膜波特点等，并与病理检查结果进行相关性分析。采用SPSS 20.0软件进行统计学分析。结果79例患者，共119侧病变（56侧左，63侧右）。病理检查结果诊断为恶性病变（重度异型增生，原位癌及浸润癌）的声带侧别为51侧，良性病变为68侧。频闪喉镜下，黏膜波正常及轻度减退69侧，重度减退及消失50侧，黏膜波减退程度与恶性病变正相关（ρ=0.687，P<0.001）。iSCAN内镜下，病变部位微血管形态变化（垂直）与恶性病变正相关（ρ=0.687，P<0.001）。单因素分析结果显示，病灶大、厚、颜色不均匀、颗粒状隆起、周边红斑和不对称与恶性病变正相关（ρ=0.530、0.401、0.538、0.315、0.497、0.281，P<0.05）。Logistic回归分析显示，病灶大的恶性病变风险是病灶小的5.437倍，iSCAN内镜下垂直血管改变的恶性病变风险是血管形态正常的8.711倍，黏膜波重度减退或消失恶性病变风险是黏膜波正常或轻度减退的9.12倍。结论iSCAN结合频闪喉镜，可以全面观察和评估声带白斑患者的声带形态、黏膜下微血管及声带黏膜波的变化，提高良恶性病变的鉴别能力。

简介：摘要中国是食管癌高发国家，中晚期食管癌不仅给患者生命健康带来严重威胁，也给其家庭和社会带来沉重的经济负担。食管癌的早诊早治一直是临床医学研究的热点，而胃镜筛查是食管癌早诊早治的关键，人工智能的发展有望在内镜检查和质控等方面为食管癌早诊早治提供新的辅助手段。文章通过概述人工智能在早期食管癌内镜诊断中的应用和发展，归纳了人工智能在早期食管癌诊断中的研究结果，阐明其应用的重要性，总结了人工智能在早期食管癌内镜诊断中的难点及问题，并对未来人工智能在食管癌内镜诊断中的应用进行展望。

简介：摘要中国是食管癌高发国家，中晚期食管癌不仅给患者生命健康带来严重威胁，也给其家庭和社会带来沉重的经济负担。食管癌的早诊早治一直是临床医学研究的热点，而胃镜筛查是食管癌早诊早治的关键，人工智能的发展有望在内镜检查和质控等方面为食管癌早诊早治提供新的辅助手段。文章通过概述人工智能在早期食管癌内镜诊断中的应用和发展，归纳了人工智能在早期食管癌诊断中的研究结果，阐明其应用的重要性，总结了人工智能在早期食管癌内镜诊断中的难点及问题，并对未来人工智能在食管癌内镜诊断中的应用进行展望。

简介：摘要：现阶段恶性肿瘤的早期筛查依然是全世界范围内的难点，而结合我国实际情况来看，消化道癌的发生率逐年升高，再加之疾病检出时间晚，患者5年生存率低，而为挽救患者生命，提升疾病早期筛查能力具有必要性。在本次研究中，本文将以人工智能技术为研究对象，在了解人工智能相关内容后，深入分析了人工智能辅助内镜技术在消化道癌早期筛查中的应用，希望为进一步提升消化道癌早期筛查、诊断能力提供支持。

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：摘要近年来人工智能的实用化取得了重大进展，随着计算机运算能力及数据传输速度的提高，人工智能已经开始应用于医疗卫生领域。在结直肠领域，以减少漏诊，提高结肠息肉检出率，鉴别息肉性质为目的计算机辅助诊断模型逐渐趋于实用化。本文对人工智能模型辅助结直肠镜下息肉实时诊断的相关情况作一综述。

简介：摘要：目的：本研究旨在评估人工智能在提高结肠镜检查中息肉的检出率方面的临床应用价值。

简介：摘要近年来人工智能的实用化取得了重大进展，随着计算机运算能力及数据传输速度的提高，人工智能已经开始应用于医疗卫生领域。在结直肠领域，以减少漏诊，提高结肠息肉检出率，鉴别息肉性质为目的计算机辅助诊断模型逐渐趋于实用化。本文对人工智能模型辅助结直肠镜下息肉实时诊断的相关情况作一综述。

简介：摘要目的验证基于深度卷积神经网络(DCNN)的小肠胶囊内镜智能辅助系统识别、诊断小肠出血的能力。方法通过ESView平台收集1 970例患者的158 235张小肠胶囊内镜检查图像(其中包括165例小肠出血患者的3 765张图像)，用于基于DCNN的小肠胶囊内镜智能辅助系统的训练阶段。在验证阶段，用100例小肠出血患者(活动性出血10例、血痂病例31例、黏膜下出血59例)的图像验证该系统识别、诊断小肠出血的能力。结果基于DCNN的小肠胶囊内镜智能辅助系统的阅片系统可识别小肠出血病灶，并在原胶囊内镜图像上标注；该系统可以显示并标注同一出血病灶的多张图像和同1张图像内多个不同出血病灶；阅片医师利用该系统对100例小肠出血图像的平均阅片时间为(5.23±1.31) min/例，对小肠出血诊断的灵敏度达99.00% (95%CI　93.76%～99.95%)。结论基于DCNN的小肠胶囊内镜智能辅助系统对小肠出血的识别灵敏度高，可用于辅助阅片医师识别、诊断小肠出血。