工智能在结肠镜检查质量控制方面的应用

来源期刊：广州医药 | 581-590 发布时间：2025-05-20 收稿时间：2025/6/16 16:13:04 阅读量：115

作者：: 乔雨晴,

陈泓磊,

关键词：: 人工智能结肠镜检查质量控制; artificial intelligence colonoscopy quality control

DOI：: 10. 20223 / j. cnki. 1000-8535. 2025. 05. 002

收稿时间：: 2024-12-02
修订日期：
接收日期：
引用总数：: 0

传统的结肠镜检查质量评估方式具有主观性强、费时费力等缺点。近年来，人工智能（AI）技术在结肠镜检查质量控制方面展现出客观性、即时性、全面性等优势，具有广阔的应用前景。文章全面探讨了AI在结肠镜检查质量控制中的多个应用场景，包括评估肠道准备质量、记录退镜时间、息肉识别和分类、预测早期结直肠癌浸润深度等方面，并通过具体的研究案例和数据分析了AI技术的有效性和优势。AI技术有望在提升结肠镜检查质量、促进结直肠癌的早诊早治方面发挥更加重要的作用，但面对技术、伦理及法规等多方面的挑战，未来需要持续努力，不断优化算法，加强跨学科合作，推动AI技术在医疗领域的健康、快速发展。

陈泓磊 外科学博士，副主任医师，硕士生导师。中山大学附属第八医院（深圳福田）消化内镜中心主任，美国华盛顿大学（西雅图）公派联合培养博士，日本自治医科大学附属医院访问学者，深圳市医师协会消化内镜学会副主任委员、继续教育学组副组长，深圳市医学会消化内镜学会委员/早癌学组副组长，广东省医学会消化肿瘤分会常委，广东省医学会消化内镜分会委员，广东省医师协会消化内镜学会委员，广东省抗癌协会肿瘤内镜学专委会委员，广东省健康管理学会消化内镜MDT专委会副主任委员，世界内镜医师协会肝胆胃肠外科联盟理事。

直肠癌是中国最常见的恶性肿瘤之一，根据2022年中国恶性肿瘤流行情况分析，其发病率和死亡率分别居全部恶性肿瘤的第二位和第五位，新发病例高达51.71万例，死亡病例达24.00万例^［1］，使中国成为全球结直肠癌新发病例数和死亡病例数最多的国家。随着中国社会经济发展水平持续提高，预期寿命延长，恶性肿瘤负担呈现持续上升的趋势^［1］。面对如此严峻的公共卫生挑战，结肠镜检查因其在早期发现病变、减少癌症进展及指导治疗决策方面的独特优势，成为诊断和治疗结直肠癌及癌前病变的临床一线手段。

确保结肠镜检查的质量对于提高筛查的有效性和准确性至关重要。高质量的结肠镜检查能够更准确地识别出微小的息肉和早期癌症病变，从而有效降低漏诊率和假阴性结果的风险。国外新近一项纳入17万人、中位随访时间为21.3年的研究显示，一次性柔性乙状结肠镜检查能够降低结直肠癌24%的发病率和25%的死亡率^［2］。然而，由于操作者的技能水平、设备条件和标准化流程执行情况等因素的影响，国内结肠镜应用中仍然存在退镜时间不规范、病灶漏诊率高、内镜医师之间诊断一致性差等问题。因此，建立和完善结肠镜检查的质量控制体系，对于提高检查效果、减少疾病负担具有极其重要的意义。

传统的质量控制方法需要人工逐例记录并分析盲肠插镜率、退镜时间、腺瘤检出率等数据，费时费力。近年来，随着人工智能（artificial intelligence，AI）技术的发展，其在医疗领域的应用日益广泛，特别是在结肠镜检查质量控制方面展现出巨大潜力^［3］。AI技术的应用不仅能够辅助医师提高病变的识别率，还能通过实时监测和反馈机制来确保结肠镜检查的标准化操作，进而提升检查的整体质量。本文将探讨AI技术在结肠镜检查质量控制中的新兴应用，并分析其对未来结肠镜诊疗流程的潜在影响。

1 结肠镜检查质量控制的现状与挑战

结肠镜检查的质量控制涉及多个关键指标，这些指标不仅反映了检查本身的质量，还直接关系到病变的检出率和患者的预后^［4］。

1.1 肠道准备质量

肠道准备质量是指结肠镜检查前肠道清洁的程度。良好的肠道准备可以确保医师能够清晰地看到肠壁，从而提高息肉和病变的检出率，不充分的肠道准备不仅会降低病变检出率，增加感染风险，还可能导致肠镜无法到达回盲部，需要重复检查。住院患者术前的肠道准备情况一般由医护人员负责评估，但在门诊一般由患者在家自行根据大便性状评估，这种情况下患者可能由于门诊医师宣教不足或主观性等因素导致评估不够准确，进而导致在肠道准备不充分的情况下接受结肠镜检查^［5］。术中一般由内镜医师采用波士顿肠道准备量表（Boston Bowel Preparation Scale，BBPS）对肠道准备质量进行评价，从而指导患者下次复查间隔，但内镜医师具有主观性，评估者间的一致性较低^［6］，可能不恰当地提前复查时间，增加医疗资源负担及患者的经济负担，或推迟复查时间，导致更高的结直肠癌风险。我国2020年指南推荐肠道准备良好比例应＞85%^［7］。因此无论是术前还是术中对于肠道准备质量的评估都是结肠镜检查质量控制的重要环节。

1.2 盲肠插镜率

盲肠插镜率是指完成盲肠检查的比例。达到盲肠被认为是完整检查的标志，也是评估结肠镜检查质量的一个重要标准^［7］。虽然大多数检查都能到达盲肠，但在某些情况下，由于解剖结构的复杂性或内镜医师技术因素，盲肠插镜可能会遇到困难。有研究表明，与盲肠插镜率低于80%的内镜医师所治疗的患者相比，盲肠插镜率高于95%的内镜医师所治疗的患者间期癌发病率较低^［8］。美国胃肠病学院2021年指南推荐内镜医师筛查时盲肠插镜率至少达到95%^［9］。

1.3 退镜时间

退镜时间是指结肠镜检查过程中，从盲肠或回肠末端开始退镜至肛门所用的时间。较长的退镜时间通常与更高的息肉及腺瘤检出率相关联^［10］，因为退镜时间越长，代表医师花费更多的时间仔细检查肠道黏膜。不同医师的经验和操作风格有所不同，这会影响到实际的退镜时间。患者个体特征（如年龄、性别、体质指数等）也会影响检查的难度和所需时间。此外，在繁忙的临床环境中，时间限制和工作量的影响可能导致医师在压力和疲劳下缩短退镜时间，从而影响检查质量^［11］。欧洲胃肠内镜学会2017年的指南提出，退镜时间应至少达到平均6 min，目标为达到平均10 min^［12］。根据美国胃肠病学会（American Gastroenterology Association，AGA）2021年的建议，在肠道准备充分的情况下，内镜医师除去治疗操作外的平均退镜时间应至少达到6 min，目标是9 min^［13］。结合我国国情，我国2020年指南指出进行结直肠癌及癌前病变筛查时结肠镜检查退镜时间应该保证在6 min以上^［7］，该标准已经被临床广泛认可，但在实际应用中，因为需要对回盲部或回肠末端进行识别并计算其到肛门所用时间，大型消化内镜中心在年例数过万且没有AI辅助的情况下，对退镜时间的监测往往采用抽查的形式，很难在每例结肠镜检查中进行。

1.4 腺瘤检出率与锯齿状息肉检出率

腺瘤检出率（adenoma detection rate，ADR）是指在结肠镜检查中发现至少一个腺瘤性息肉的患者比例。作为结直肠癌最主要的癌前病变，检出并及时切除腺瘤对于预防结直肠癌的发生至关重要。研究表明，结肠镜腺瘤总体漏诊率高达20%～30%^［14-15］。除受退镜时间、内镜医师操作经验和患者肠道清洁度影响以外，肠道解剖结构是病变漏诊的重要原因。转弯处内侧和结肠皱襞口侧往往位于肠镜视野盲区，尤其是息肉较为扁平和微小时，更加难以发现。因此，ADR是结肠镜检查质量控制的核心指标，研究表明ADR每提高1%，可使间隔期结直肠癌风险降低3%，结直肠癌死亡率降低6%^［16］。美国胃肠内镜学会（The American Society for Gastrointestinal Endoscopy，ASGE）于2024年发布的指南中建议对于年龄≥45岁的患者，将ADR的最低阈值设定为35%，其中男性40%，女性30%^［17］。由于种族及生活习惯差异，中国人的结直肠腺瘤发病率较西方略低，因此2023年中国结直肠癌及癌前病变内镜诊治共识中建议我国适龄一般人群的ADR目标值≥15%，其中男性≥20%，女性≥10%^［18］。

随着内镜清晰度的不断改进和内镜医师水平的提高，近年来锯齿状途径在结直肠癌发病机制中的地位越来越受到重视。锯齿状息肉是一类特殊的息肉，与传统的腺瘤性息肉相比，它们的形态和生物学行为不同，但同样有可能演变成结直肠癌。锯齿状息肉的形态多样，其中无蒂锯齿状病变（sessile serrated lesion，SSL）往往呈现扁平的形态，与周围正常黏膜颜色一致，且多覆盖有黏液，这使得它们在结肠镜检查中较难被识别。因此，与腺瘤性息肉相比，SSL的识别需要更高级别的技术能力和专业知识。SSL检出率（sessile serrated lesion detection rate，SSLDR）是指在结肠镜检查中发现至少一个SSL的患者比例。ASGE 2024年指南中建议对于年龄≥45岁的患者SSLDR应≥6%^［17］。我国2023年专家共识提出内镜医师应加强对SSL的认识和识别，以优化SSLDR，但未给出推荐值^［18］。

1.5 传统质量控制方法的局限性

传统的结肠镜检查质量控制方法存在一定的局限性。首先，对肠道准备质量的评估往往依赖医师的主观判断，这可能导致评估结果的不一致性；其次，对于退镜时间的监测，一般采用人工逐项记录的方法，费时费力，且难以记录除去息肉治疗等操作后的纯粹退镜时间；最后，手动记录并统计汇总各项指标的过程效率低下。此外，不同医疗机构或地区可能采用不同的评估标准，这可能导致评估结果的可比性较差。为了应对这些局限性，需要采取综合措施，包括加强医师培训、制定更加严格的标准化流程等，另外，人工智能技术的应用，有望克服传统方法的局限性，实现更加精准和高效的检查质量控制。

2 人工智能在结肠镜检查质量控制中的应用

2.1 肠道准备评估

2.1.1 术前肠道准备评估 AI系统通常基于深度学习技术，特别是卷积神经网络（convolutional neural networks，CNNs）。CNNs能够从大量的图像数据中学习肠道准备的质量特征，通过多层卷积和池化操作提取图像中的关键特征，进而评估肠道准备的程度。例如，AI系统能够识别术前患者粪便的颜色、清澈度、有无粪渣等，这些因素能够预测肠道的清洁度。

目前关于AI评估术前肠道准备有三项研究。在Lu等^［19］的研究中，共纳入1 454例患者，其中AI组患者在肠道准备过程中需要扫描二维码并上传其粪便照片，然后A I分析照片并提供“通过”或“不通过”的评估，对于评估“不通过”的病例，系统提供加强肠道准备的一般指导。结果显示A I组与对照组之间的肠道准备充分率（90.3% vs 91.5%）、BBPS总评分（7.22±1.43 vs 7.28±1.40）、ADR（21.1% vs 20.1%）比较差异无统计学意义。在BBPS评分＜6分的患者中，71例中只有6例（8.45%）获得AI正确分类，其余图像被错误地分类为准备充分；相反，26例（3.94%）BBPS评分≥6分的患者被错误地归类为准备不足。因此，该模型在指导当日清洁质量较差的患者的干预策略时，其临床效用可能会受到限制。

Zhu等^［20］开发了一款手机应用程序，通过AI系统评估粪便的照片实时预测肠道准备质量，并为患者提供个性化的指导，在对500例患者的分析中，AI组中肠道准备充分率（88.54% vs 65.59%，P＜0.001）、BBPS总评分（6.74±1.25 vs 5.97±1.81，P＜0.001）、饮食限制遵从率（93.68 vs 83.81%，P＜0.001）、泻药指令的遵从率（96.05 vs 84.62%，P＜0.001）均较对照组提高，明显改善肠道准备的质量和患者依从性，但ADR在两组间比较差异无统计学意义（27.67% vs 22.67%），而对照组肠道准备充分率明显低于预期。

Inaba等^［21］报道了一款使用AI模型的手机应用程序，106例患者使用该程序进行术前肠道准备评估，肠道准备充分率为99.0%，ADR为62.5%，但该研究没有设计对照组，且ADR明显高于一般水平。

AI技术为术前肠道准备评估提供了一种可行的方案，与手机应用程序相结合有望减少医务人员的工作负担，但目前研究较少，仍有待进一步研究。

2.1.2 术中肠道准备评估针对术中肠道准备评估，Zhou等^［22］使用CNNs开发了一个名为ENDOANGEL的新系统。首先回顾性收集结肠镜图像训练系统，然后通过人机竞赛比较其与内镜医师的表现，最后将该模型应用于结肠镜检查视频，每30秒更新一次肠道准备评分，并显示结肠镜退镜阶段不同BBPS评分的图像累积百分比。结果显示，在120张图像的人机竞赛中，系统的准确率为93.33%，优于内镜医师的75.91%，在20个结肠镜检查视频中，系统的准确率为89.04%。

该团队后续对616例患者的研究^［23］证实该系统得出的e-BBPS评分与ADR呈显著负相关（r_s=-0.976，P＜0.010）。该研究将结肠镜图像分为BBPS 0~1和BBPS 2~3两类，计算退镜期间BBPS 0~1的比例，对应于e-BBPS评分，其中0%≤比例＜5%对应e-BBPS 1分，5%≤比例＜10%对应e-BBPS 2分，以此类推。e-BBPS 1~8分的ADR分别为28.57%、28.68%、26.79%、19.19%、17.57%、17.07%、14.81%和0%。根据结肠镜筛查ADR 25%的标准，以e-BBPS 3分作为阈值，可保证ADR＞25%，即获得高质量的内镜检查。评分＞3分的患者ADR显著低于评分≤3分的患者（15.93% vs 28.03%，P＜0.001）。

我院最近的一项临床研究^［24］同样应用了ENDOANGEL，其中患者第一次肠镜检查后，内镜医师和ENDOANGEL分别给出BBPS和e-BBPS评分，如果双方均认为准备充分，则患者立即接受第二次结肠镜检查，否则患者重新肠道准备后接受第二次结肠镜检查。393例患者中共检出直径＞5 mm的腺瘤72例，有27个直径＞5 mm的腺瘤在第一次检查中被漏诊。在AI评分不合格的患者中，直径＞5 mm的腺瘤漏诊率显著高于AI评分合格的患者（35.71% vs 13.19%，P=0.005 6），AMR（50.89% vs 20.79%，P＜0.001）和直径＞5 mm的息肉漏诊率（35.82% vs 19.48%，P=0.015 2）也是如此。

Feng等^［25］提出了一个名为ViENDO的肠道准备质量评估系统，通过训练和检测后，应用ViENDO评估来自多个中心的退镜视频，以预测临床环境中的BBPS节段评分，该团队同样开展了人机竞赛来比较AI系统与内镜医师的表现。结果显示，在视频片段测试中，系统判断肠道准备不充分的准确率为95.2%，将ViENDO应用于全程退镜视频时，其评估肠道清洁度的准确度在内部测试集中为93.8%，在外部数据集中为91.7%。人机竞赛显示，与大多数内镜医师相比，ViENDO的准确率略高，但差异无统计学意义（内部：93.8% vs 90.6%；外部：91.7% vs 88.0%）。

Lee等^［26］同样开发了一种AI模型来评估肠道清洁度，并评估了其临床适用性。结果显示使用外部数据集进行模型测试，A I评估准确率为95.3%，对肠道准备不充分的检测灵敏度为100%，临床适用性研究显示，内镜医师与AI模型的总体符合率为85.3%。

现有研究显示，AI辅助评估肠道清洁度有利于减轻医师负担，可以作为一种稳定、客观、准确评估肠道准备的自动化工具。

2.2 计算机辅助质量控制

目前多个AI系统支持对回盲部的监测，从而得出盲肠插镜率、退镜时间和速度，实现计算机辅助质量管理（computer aided quality，CAQ）。Zhu等^［27］构建了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。该AI模型分类识别回盲部/非盲肠图片的准确率为95.80%，并正确统计了全部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），并根据退镜时间6 min时对应的平均退镜速度设定了安全退镜速度和预警退镜速度。

AI还能够监测黏膜褶皱检查质量。Liu等^［28］将内镜医师退镜时旋镜观察肠道黏膜皱褶的仔细程度作为质量控制的重要参考指标，通过分析结肠镜退镜视频中肠壁图像在视频流中所占的比例，也就是皱褶检查质量（fold examination quality，FEQ），来评价医师的退镜质量，并将AI系统的FEQ评分与专家的FEQ评分进行对比。研究共纳入来自11名医师操作的103个结肠镜退镜视频，结果表明AI的FEQ评价与专家的FEQ评价具有高度相关性（r=0.706，P＜0.001）。针对单个操作医师进行分析发现，AI的FEQ评分与单个医师的专家评分（r=0.871，P＜0.001）、平均退镜时间（r=0.727，P=0.01）及腺瘤检出率（r=0.852，P=0.001）显著相关。最后的临床测试中，通过对实时FEQ的显示，该系统可以辅助提升低年资医师的AI和专家FEQ评分。

最近一项针对肠镜检查CAQ的系统评价^［29］纳入了13项研究，有7项研究^［30-36］通过检测退镜速度来实现CAQ，其中有5项研究检测了退镜速度对ADR的影响，3项研究^［31-33］在CAQ辅助下ADR有所改善，另外2项研究^{［34，36］}中无改善。Preisler等在2项研究^［37-38］中通过结肠镜进展评分（colonoscopy progression score，CoPS）来评估进镜情况，发现CoPS与内镜医师经验（r=0.61，P＜0.001）和患者疼痛（r=0.47，P＜0.001）呈中度相关，在模拟训练中，当向受训者提供CoPS作为反馈时，其表现得到改善，但未将CoPS与盲肠插镜率进行相关性分析。另一项研究^［39］中通过对肠镜头端位移的监测计算得出结肠镜回缩评分（colonoscopy retraction score，CoRS），该评分侧重于退镜质量，与ADR呈高度正相关（r=0.90，P＜0.001），比退镜时间更精确，然而还需要进一步测试。一项研究^［40］使用AI进行有效退镜时间监测，发现其与ADR相关（调整后的OR=1.49，P＜0.001），并发现它是比退镜时间更好的ADR预测指标。除去上文所提到的Liu等^［28］对FEQ的研究外，还有一项研究^［41］将内镜经验与视觉凝视模式相关联，发现有经验的内镜医师在回顾结肠镜检查视频时比新手更关注外周（r=0.94，P＜0.001），然而该研究没有探讨视觉凝视模式是否能提高ADR等指标。虽然由于各研究设计的异质性，目前无法进行荟萃分析，但相信随着日后研究数量的增多和研究质量的提高，CAQ对于内镜医师的辅助作用能够得到更好的体现。

2.3 息肉识别

息肉计算机辅助检测（computer aided polyp detection，CADe）能够帮助医师识别那些较小或难以辨认的息肉，从而提高息肉检出率（polyp detection rate，PDR），降低漏诊率。多项研究表明，CADe在息肉识别方面表现出色，2023年一项荟萃分析^［42］纳入了3 3项临床试验，共27 404例患者。其中，接受A I辅助结肠镜检查的患者息肉漏检率（polyp missed rate，PMR）和腺瘤漏检率（adenoma missed rate，AMR）分别降低了52.5%（95%CI：0.294~0.768）和50.5%（95%CI：0.390~0.627），PDR和ADR分别增加了38.8%（95%CI：1.158~1.323）和39%（95%CI：1.159~1.332）。通常人们会担忧CADe辅助结肠镜检查是否会增加操作时间，在该研究中虽然CADe辅助组的平均检查时间增加了约20 s（P=0.012），但在临床工作中可能没有实际意义。检查时间的增加可能是由于随着病变检出率的提高，检查医师增加了对病变观察的总体时间。此外，由于本研究中CADe辅助组假阳性的总比例为12%（95%CI：7%~18%），因此检查时间的增加也可能部分归因于假阳性的数量。

在CADe基础上联用CAQ辅助进行肠镜检查可以进一步提高ADR。Yao等^［33］关于CADe系统与CAQ系统的四组平行对照临床研究表明，CADe可使ADR从14.76%显著提高到21.27%，而与单独使用CADe系统相比，在CADe基础上联合CAQ可使ADR额外增加9.33%（P=0.024）。

Yao等^［34］进行了一项串联研究，将符合条件的患者随机分为三组：CN组（对照新手组，由新手独立完成退镜）、AN组（AI辅助新手组，由新手在AI辅助下完成退镜）和CE组（对照专家组，由专家独立完成退镜），AI为CADe系统与CAQ系统的组合。第一次肠镜后参与者接受了由AI辅助专家进行的第二次结肠镜检查，以评估病变漏检率，确保病变检出。共纳入符合条件的患者685例，AN组的AMR和PMR均低于CN组（分别为18.82% vs 43.69%，P＜0.001和21.23% vs 35.38%，P＜0.001）。AN组和CE组的AMR和PMR均达到了非劣效性界值（18.82% vs 26.97%，P=0.202；21.23% vs 24.10%，P＜0.249），由于样本量是根据AMR设计，尽管AN组的ADR和PDR略高于CN组，但没有观察到统计学差异。AI辅助下新手内镜医师的AMR及ADR已经达到了专家水平，在结肠镜检查的数量日益增多的情况下，通过AI辅助来缩短内镜医师的培养周期或许是一种可行的方法。

2.4 息肉分型

目前公认的肠癌发生途径包括四种：腺瘤途径、锯齿状途径、de novo途径和炎症性肠病途径。增生性息肉（hyperplastic polyp，HP）与SSL及传统锯齿状腺瘤（traditional serrated adenoma，TSA）同属于锯齿状病变，其中SSL和TSA具有癌变潜能，需要在内镜下切除；而HP属于非肿瘤性病变，几乎没有癌变潜能，因此无需在内镜下切除。然而，HP非常常见，特别是在直肠和乙状结肠区域，有时数量可达几十甚至上百个。一般内镜医师会通过白光内镜、放大内镜、电子染色内镜等方式仔细观察病变的颜色、形态、表面微结构等特点，推测肠息肉的病理性质，但是遇到内镜医师经验水平不足、缺乏足够高清的内镜设备、患者肠道准备欠佳等情况时，内镜医师无法区分HP与腺瘤、SSL或TSA等肿瘤性病变，出于安全考虑，可能会选择将所见息肉全部切除进行病理检查。这不仅耗费内镜医师的精力，还会增加患者的经济负担。AI技术可以通过辅助医师区分这些息肉类型，从而更精准地进行内镜治疗。

ASGE^［43］提出当内镜下怀疑有多个直径≤5 mm的直肠乙状结肠增生性息肉时，可以通过实时内镜评估和拍照来确定和记录这些息肉，而不需要对部分或全部息肉进行取样或切除，这种“诊断并保留”策略要求光学诊断息肉类型的阴性预测值≥90%。Zachariah等^［44］使用6 223张已知病理、位置、大小和光源的直径≤5 mm的结直肠息肉图片训练并验证了AI模型，用634张息肉图片进行独立验证。结果显示，在原始验证集与独立验证集中模型的阴性预测值均为97%，超过“诊断并保留”策略所需阈值。

Li等^［45］荟萃分析了16篇关于AI与内镜医师进行结肠镜下息肉类型判断的对比研究，发现AI在息肉检测和分类中的曲线下面积（area under the curve，AUC）为0.940，专家组和非专家组在息肉检测和分类中的AUC分别为0.918和0.871，即人工智能的表现与人类专家相似，优于新手医生。人工智能可能会提高年轻医生对结肠息肉的检测和分类能力。

2.5 预测早癌浸润深度

在肠镜检查过程中，浸润深度达到及超过固有肌层的进展期结直肠癌（T2期及以上）通常具有溃疡形成、基底僵硬等特点，易于识别，后续一般选择外科手术治疗或综合治疗。然而，浸润深度未超过黏膜下层（submucosa，SM）的早期结直肠癌（T1期）在形态上与息肉更加类似，识别难度较大。结直肠早癌的切除方式需要根据病变在SM层的浸润深度来决定：SM浅浸润（＜1 000 μm）的病变可以选择内镜切除，而SM深浸润（≥1 000 μm）的病变则需要外科干预。因此，对于早期结直肠癌的识别及浸润深度的判定非常重要。通常内镜医师会通过病变的形态、表面腺管开口及微血管结构来判断，但这需要丰富的理论知识和临床经验。AI技术可以通过学习早期结直肠癌的图像特征，预测早期结直肠癌的浸润深度，且能力不弱于内镜医师。

Bai等^［46］对A I在辅助诊断预测早期结直肠癌浸润深度方面的性能进行了荟萃分析，涉及10项研究共1 472处病变的13 918张图像。将适合内镜切除的病变定义为阴性结果，不适合内镜切除的病变定义为阳性结果。由于日韩研究和中国研究间存在明显的异质性，将纳入的研究分开进行统计分析。对于日韩研究，A I算法的AUC、灵敏度和特异度分别为0.89（95%CI：0.86~0.91）、0.62（95%CI：0.50~0.72）和0.96（95%CI：0.93~0.98）。中国研究的AUC、灵敏度和特异度分别为0.94（95%CI：0.92~0.96）、0.88（95%CI：0.78～0.94）和0.88（95%CI：0.80~0.93）。如果算法检测结果为阴性，在日韩和中国的研究中，病变为深浸润性结直肠癌的概率将分别降低至10%和4%；如果为阳性，则分别增加到83%和68%。日韩研究中，AI算法与所有内镜医师的AUC无统计学差异（0.88 vs 0.91，P=0.10），但低于内镜专家（0.88 vs 0.92，P=0.03）。中国研究中AI算法的AUC优于所有内镜医师（0.94 vs 0.90，P=0.01）。

AI算法在预测早期结直肠癌浸润深度方面仍处于起步阶段，大多数CAD算法都是使用图像数据集进行训练，在实时性上存在不确定性。未来需要更多高质量的实时视频验证研究，以及更多来自不同地理和种族背景的研究，以证明CAD算法预测早期CRC浸润深度的准确性，并加速其在日常临床实践中的实施。

3 人工智能在结肠镜检查质量控制中的优势与挑战

3.1 优势

AI技术在结肠镜检查质量控制中展现出诸多优势。首先，AI系统的客观性使其不受主观因素的影响，评估结果更加稳定可靠。与传统方法相比，AI系统能够通过标准化的方法对图像进行分析，减少了人为因素带来的偏差，提高了判断的一致性和准确性。其次，AI系统的即时性体现在其能够实时分析图像，为内镜医师提供参考。在实际应用中，AI系统可以在医生进行结肠镜检查的同时，即时提供肠道评分、退镜速度、息肉检测等提示，帮助医生提高肠镜检查质量，以及为医师提供可供参考的诊断意见，从而进行“诊断并保留”等决策。另外，AI系统的全面性也是其一大亮点。AI不仅有识别回盲部、进行肠道准备评分等不同方面的功能，在对接了内镜图文系统和病理信息检索系统后，还可以实现包括达盲率及未达盲原因核验报告、PDR、ADR、退镜时间、退镜时间＞6 min率、肠道准备充分率、肠癌检出率、平均采图张数等核心质量控制指标的自动评估^［47］。这大大减轻了结肠镜质控工作的负担，内镜医师可以随时查看质控指标，为后续提高结肠镜检查质量指明方向。

3.2 挑战

尽管AI在结肠镜检查质控工作中具有显著的优势，但也面临着一系列挑战。数据质量与数量是制约AI性能的关键因素，高质量、大规模的训练数据是构建高性能AI模型的基础，但在实际应用中，获取这样的数据并不容易。数据的标注工作量大、成本高，且需要专业的医学背景，这对数据的获取和处理提出了很高的要求。算法解释性是另一个不容忽视的问题，AI决策过程的不透明性使得临床医师难以完全信任AI系统，这在一定程度上限制了AI技术在临床实践中的广泛应用。法律与伦理问题是AI技术在医疗领域应用中必须面对的，如何确保AI系统的使用符合法律法规，保护患者的隐私权，防止数据泄露，这些问题需要在投入临床应用前解决。技术普及与标准化也是当前面临的一大挑战，尽管AI技术在实验室环境中表现出色，但在实际临床应用中，如何实现技术的普及和标准化仍然需要时间和努力。不同医疗机构之间的设备差异、操作流程不一等问题都需要逐一解决。

4 未来展望

展望未来， AI在结肠镜检查质量控制领域的应用将迎来前所未有的发展机遇。随着技术的不断成熟与算法的持续优化，可以预见到AI将在更多方面辅助内镜医师进行结肠镜检查和治疗，同时提高兼容性，增强实时性，加强诊断的可靠性。在此过程中，跨学科合作显得尤为关键。医学、计算机科学、数据科学等领域的深度融合，将共同推动AI技术在结肠镜检查中的创新与应用。通过搭建跨学科交流平台，促进知识共享与技术互补，可以加速AI技术的研发进程，解决实际应用中的瓶颈问题。同时，加强数据共享、算法优化与标准化制定也是推动AI在肠镜质控中广泛应用的重要方向。建立全国乃至全球范围内的结肠镜检查数据库，有助于积累更多高质量数据，为AI模型训练提供坚实基础。此外，持续优化算法，提高模型的泛化能力与鲁棒性，以及制定统一的技术标准和操作规范，将确保AI技术在不同医疗机构间的有效推广与应用。我们有理由相信，AI技术将在提升结肠镜检查质量、促进结直肠癌的早诊早治方面发挥更加重要的作用，为人类的健康事业贡献更大力量。

5 结论

总之，对比传统质控方法，AI在结肠镜检查质量控制中具有显著优势，展现出广阔的应用前景。通过客观性、即时性、全面性等特性，AI技术能够显著提升结肠镜检查的质量。然而，面对技术、伦理及法规等多方面的挑战，我们需要持续努力，不断优化算法，加强跨学科合作，推动AI技术在医疗领域的健康、快速发展。

1、郑荣寿，陈茹，韩冰峰，等．2022年中国恶性肿瘤流行情况分析［J］．中华肿瘤杂志，2024，46（3）：221-231．

2、BRETTHAUER%E2%80%83M%EF%BC%8CPILONIS%E2%80%83N%E2%80%83D%EF%BC%8EBrief%E2%80%83sigmoidoscopy%E2%80%83%0Aprovides%E2%80%83%2021-year%E2%80%83colorectal%E2%80%83cancer%E2%80%83%20risk%E2%80%83%20reduction%E2%80%83in%E2%80%83%0Amen%EF%BC%BBJ%EF%BC%BD%EF%BC%8ELancet%E2%80%83Gastroenterol%E2%80%83Hepatol%EF%BC%8C2024%EF%BC%8C9%0A%EF%BC%889%EF%BC%89%EF%BC%9A777-779%EF%BC%8E

3、中华医学会消化内镜学分会大数据协作组．肠镜人工智能系统临床应用专家共识（2023，武汉）［J］．中华消化内镜杂志，2024，41（4）：253-262．

4、TIANKANON%E2%80%83K%EF%BC%8CANIWAN%E2%80%83S%EF%BC%8EWhat%E2%80%83are%E2%80%83the%E2%80%83priority%E2%80%83%0Aquality%E2%80%83indicators%E2%80%83for%E2%80%83colonoscopy%E2%80%83in%E2%80%83real-world%E2%80%83clinical%E2%80%83%0Apractice%EF%BC%9F%EF%BC%BBJ%EF%BC%BD%EF%BC%8EDig%E2%80%83Endosc%EF%BC%8C2024%EF%BC%8C36%EF%BC%881%EF%BC%89%EF%BC%9A%0A30-39%EF%BC%8E

5、GUO%E2%80%83X%EF%BC%8CYANG%E2%80%83Z%EF%BC%8CZHAO%E2%80%83L%EF%BC%8Cet%E2%80%83al%EF%BC%8EEnhanced%E2%80%83%0Ainstructions%E2%80%83improve%E2%80%83the%E2%80%83quality%E2%80%83of%E2%80%83bowel%E2%80%83preparation%E2%80%83%0Afor%E2%80%83colonoscopy%EF%BC%9AA%E2%80%83%20meta-analysis%E2%80%83%20of%E2%80%83%20randomized%E2%80%83%0Acontrolled%E2%80%83trials%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2017%EF%BC%8C%0A85%EF%BC%881%EF%BC%89%EF%BC%9A90-97%EF%BC%8Ee6%EF%BC%8E

6、LEE%E2%80%83J%E2%80%83Y%EF%BC%8CCALDERWOOD%E2%80%83A%E2%80%83H%EF%BC%8CKARNES%E2%80%83W%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AArtificial%E2%80%83intelligence%E2%80%83for%E2%80%83the%E2%80%83%20assessment%E2%80%83%20of%E2%80%83%20bowel%E2%80%83%0Apreparation%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2022%EF%BC%8C95%0A%EF%BC%883%EF%BC%89%EF%BC%9A512-518%EF%BC%8Ee1%EF%BC%8E

7、国家癌症中心中国结直肠癌筛查与早诊早治指南制定专家组．中国结直肠癌筛查与早诊早治指南（2020，北京）［J］．中华肿瘤杂志，2021，43（1）：16-38．

8、BAXTER%E2%80%83N%E2%80%83N%EF%BC%8CSUTRADHAR%E2%80%83R%EF%BC%8CFORBES%E2%80%83S%E2%80%83S%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8EAnalysis%E2%80%83of%E2%80%83administrative%E2%80%83data%E2%80%83finds%E2%80%83endoscopist%E2%80%83%0Aquality%E2%80%83%20measures%E2%80%83%20associated%E2%80%83%20with%E2%80%83%20postcolonoscopy%E2%80%83%0Acolorectal%E2%80%83cancer%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastroenterology%EF%BC%8C2011%EF%BC%8C%0A140%EF%BC%881%EF%BC%89%EF%BC%9A65-72%EF%BC%8E

9、SHAUKAT%E2%80%83A%EF%BC%8CKAHI%E2%80%83C%E2%80%83J%EF%BC%8CBURKE%E2%80%83C%E2%80%83A%EF%BC%8Cet%E2%80%83al%EF%BC%8EACG%E2%80%83%0AClinical%E2%80%83Guidelines%EF%BC%9AColorectal%E2%80%83Cancer%E2%80%83Screening%E2%80%832021%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EAm%E2%80%83J%E2%80%83Gastroenterol%EF%BC%8C2021%EF%BC%8C116%EF%BC%883%EF%BC%89%EF%BC%9A458-%0A479%EF%BC%8E

10、ZHAO%E2%80%83S%EF%BC%8CYANG%E2%80%83X%EF%BC%8CWANG%E2%80%83S%EF%BC%8Cet%E2%80%83al%EF%BC%8EImpact%E2%80%83%20of%E2%80%83%0A9-minute%E2%80%83withdrawal%E2%80%83time%E2%80%83on%E2%80%83the%E2%80%83adenoma%E2%80%83detection%E2%80%83rate%EF%BC%9A%0AA%E2%80%83multicenter%E2%80%83randomized%E2%80%83controlled%E2%80%83trial%EF%BC%BBJ%EF%BC%BD%EF%BC%8EClin%E2%80%83%0AGastroenterol%E2%80%83Hepatol%EF%BC%8C2020%EF%BC%8C20%EF%BC%882%EF%BC%89%EF%BC%9Ae168-e181%EF%BC%8E

11、曾健峰，项立．结肠镜退镜时间研究现状及新进展［J］．现代消化及介入诊疗，2024，29（1）：86-90

12、KAMINSKI%E2%80%83M%E2%80%83F%20%EF%BC%8C%20THOMAS-GIBSON%E2%80%83S%20%EF%BC%8C%0ABUGAJSKI%E2%80%83M%EF%BC%8Cet%E2%80%83al%EF%BC%8EPerformance%E2%80%83%20measures%E2%80%83%20for%E2%80%83lower%E2%80%83gastrointestinal%E2%80%83endoscopy%EF%BC%9AA%E2%80%83European%E2%80%83Society%E2%80%83%0Aof%E2%80%83Gastrointestinal%E2%80%83Endoscopy%EF%BC%88ESGE%EF%BC%89Quality%E2%80%83%0AImprovement%E2%80%83Initiative%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEndoscopy%EF%BC%8C2017%EF%BC%8C49%0A%EF%BC%884%EF%BC%89%EF%BC%9A378-397%EF%BC%8E

13、KESWANI%E2%80%83R%E2%80%83N%EF%BC%8CCROCKETT%E2%80%83S%E2%80%83D%EF%BC%8CCALDERWOOD%E2%80%83A%E2%80%83%0AH%EF%BC%8EAGA%E2%80%83clinical%E2%80%83practice%E2%80%83update%E2%80%83on%E2%80%83strategies%E2%80%83to%E2%80%83improve%E2%80%83%0Aquality%E2%80%83of%E2%80%83screening%E2%80%83and%E2%80%83surveillance%E2%80%83colonoscopy%EF%BC%9A%0AExpert%E2%80%83review%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastroenterology%EF%BC%8C2021%EF%BC%8C161%0A%EF%BC%882%EF%BC%89%EF%BC%9A701-711%EF%BC%8E

14、丁聪，周益峰，王霞，等．结肠多发息肉漏诊相关因素分析［J］．浙江临床医学，2023，25（11）：1676-1678．

15、张珂．基于短期内重复结肠镜检查—结直肠腺瘤漏诊率的相关影响因素分析［D］．大连：大连医科大学，2023．

16、KAMINSKI%E2%80%83M%E2%80%83F%EF%BC%8CWIESZCZY%E2%80%83P%EF%BC%8CRUPINSKI%E2%80%83M%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8EIncreased%E2%80%83rate%E2%80%83of%E2%80%83adenoma%E2%80%83detection%E2%80%83associates%E2%80%83with%E2%80%83%0Areduced%E2%80%83risk%E2%80%83of%E2%80%83colorectal%E2%80%83cancer%E2%80%83and%E2%80%83death%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AGastroenterology%EF%BC%8C2017%EF%BC%8C153%EF%BC%881%EF%BC%89%EF%BC%9A98-105%EF%BC%8E

17、REX%E2%80%83D%E2%80%83K%EF%BC%8CANDERSON%E2%80%83J%E2%80%83C%EF%BC%8CBUTTERLY%E2%80%83L%E2%80%83F%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8EQuality%E2%80%83indicators%E2%80%83for%E2%80%83colonoscopy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EAm%E2%80%83%20J%E2%80%83%0AGastroenterol%EF%BC%8C2024%EF%BC%8C119%EF%BC%889%EF%BC%89%EF%BC%9A1754-1780%EF%BC%8E

18、中华医学会消化内镜学分会结直肠学组．中国结直肠癌及癌前病变内镜诊治共识（2023，广州）［J］．中华消化内镜杂志，2023，40（7）：505-520．

19、LU%E2%80%83Y%E2%80%83B%EF%BC%8CLU%E2%80%83S%E2%80%83C%EF%BC%8CHUANG%E2%80%83Y%E2%80%83N%EF%BC%8Cet%E2%80%83al%EF%BC%8EA%E2%80%83%20novel%E2%80%83%0Aconvolutional%E2%80%83neural%E2%80%83network%E2%80%83model%E2%80%83as%E2%80%83an%E2%80%83alternative%E2%80%83%0Aapproach%E2%80%83%20to%E2%80%83%20bowel%E2%80%83%20preparation%E2%80%83%20evaluation%E2%80%83%20before%E2%80%83%0Acolonoscopy%E2%80%83in%E2%80%83the%E2%80%83COVID-19%E2%80%83era%EF%BC%9AA%E2%80%83multicenter%EF%BC%8C%0Asingle-blinded%EF%BC%8Crandomized%E2%80%83study%EF%BC%BBJ%EF%BC%BD%EF%BC%8EAm%E2%80%83%20J%E2%80%83%0AGastroenterol%EF%BC%8C2022%EF%BC%8C117%EF%BC%889%EF%BC%89%EF%BC%9A1437-1443%EF%BC%8E

20、ZHU%E2%80%83Y%EF%BC%8CZHANG%E2%80%83D%E2%80%83F%EF%BC%8CWU%E2%80%83H%E2%80%83L%EF%BC%8Cet%E2%80%83al%EF%BC%8EImproving%E2%80%83%0Abowel%E2%80%83preparation%E2%80%83for%E2%80%83colonoscopy%E2%80%83with%E2%80%83a%E2%80%83%20smartphone%E2%80%83%0Aapplication%E2%80%83driven%E2%80%83by%E2%80%83artificial%E2%80%83intelligence%EF%BC%BBJ%EF%BC%BD%EF%BC%8ENPJ%E2%80%83%0ADigit%E2%80%83Med%EF%BC%8C2023%EF%BC%8C6%EF%BC%881%EF%BC%89%EF%BC%9A41%EF%BC%8E

21、INABA%E2%80%83A%EF%BC%8CSHINMURA%E2%80%83K%EF%BC%8CMATSUZAKI%E2%80%83H%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0ASmartphone%E2%80%83application%E2%80%83for%E2%80%83artificial%E2%80%83intelligence-based%E2%80%83%0Aevaluation%E2%80%83of%E2%80%83stool%E2%80%83state%E2%80%83during%E2%80%83bowel%E2%80%83preparation%E2%80%83before%E2%80%83%0Acolonoscopy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EDig%E2%80%83Endosc%EF%BC%8C2024%EF%BC%8C36%EF%BC%8812%EF%BC%89%EF%BC%9A%0A1338-1346%EF%BC%8E

22、ZHOU%E2%80%83J%EF%BC%8CWU%E2%80%83L%EF%BC%8CWAN%E2%80%83X%EF%BC%8Cet%E2%80%83al%EF%BC%8EA%E2%80%83novel%E2%80%83artificial%E2%80%83%0Aintelligence%E2%80%83%20system%E2%80%83%20for%E2%80%83%20the%E2%80%83%20assessment%E2%80%83%20of%E2%80%83%20bowel%E2%80%83%0Apreparation%EF%BC%88with%E2%80%83video%EF%BC%89%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGast%20rointest%E2%80%83%0AEndosc%EF%BC%8C2020%EF%BC%8C91%EF%BC%882%EF%BC%89%EF%BC%9A428-435%EF%BC%8Ee2%EF%BC%8E

23、ZHOU%E2%80%83W%EF%BC%8CYAO%E2%80%83L%EF%BC%8CWU%E2%80%83H%EF%BC%8Cet%E2%80%83al%EF%BC%8EMulti-step%E2%80%83%0Avalidation%E2%80%83%20of%E2%80%83%20a%E2%80%83%20deep%E2%80%83learning-based%E2%80%83%20system%E2%80%83for%E2%80%83the%E2%80%83%0Aquantification%E2%80%83of%E2%80%83bowel%E2%80%83preparation%EF%BC%9AA%E2%80%83prospective%EF%BC%8C%0Aobservational%E2%80%83study%EF%BC%BBJ%EF%BC%BD%EF%BC%8ELancet%E2%80%83Digit%E2%80%83Health%EF%BC%8C%0A2021%EF%BC%8C3%EF%BC%8811%EF%BC%89%EF%BC%9Ae697-e706%EF%BC%8E

24、%E2%80%83YAO%E2%80%83L%EF%BC%8CXIONG%E2%80%83H%EF%BC%8CLI%E2%80%83Q%EF%BC%8Cet%E2%80%83al%EF%BC%8EValidation%E2%80%83%0Aof%E2%80%83%20artificial%E2%80%83intelligence-based%E2%80%83%20bowel%E2%80%83%20preparation%E2%80%83%0Aassessment%E2%80%83in%E2%80%83screening%E2%80%83colonoscopy%EF%BC%88with%E2%80%83video%EF%BC%89%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2024%EF%BC%8C100%EF%BC%884%EF%BC%89%EF%BC%9A%0A728-736%EF%BC%8Ee9%EF%BC%8E

25、FENG%E2%80%83L%EF%BC%8CXU%E2%80%83J%EF%BC%8CJI%E2%80%83X%EF%BC%8Cet%E2%80%83al%EF%BC%8EDevelopment%E2%80%83%20and%E2%80%83%0Avalidation%E2%80%83of%E2%80%83a%E2%80%83three-dimensional%E2%80%83deep%E2%80%83learning-based%E2%80%83%0Asystem%E2%80%83for%E2%80%83assessing%E2%80%83bowel%E2%80%83preparation%E2%80%83on%E2%80%83colonoscopy%E2%80%83%0Avideo%EF%BC%BBJ%EF%BC%BD%EF%BC%8EFront%E2%80%83Med%EF%BC%88Lausanne%EF%BC%89%EF%BC%8C2023%0A%EF%BC%8810%EF%BC%89%EF%BC%9A1296249%EF%BC%8E

26、LEE%E2%80%83J%E2%80%83Y%EF%BC%8CPARK%E2%80%83J%EF%BC%8CLEE%E2%80%83H%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EAutomatic%E2%80%83%0Aassessment%E2%80%83%20of%E2%80%83%20bowel%E2%80%83%20preparation%E2%80%83%20by%E2%80%83%20an%E2%80%83%20artificial%E2%80%83%0Aintelligence%E2%80%83model%E2%80%83and%E2%80%83its%E2%80%83clinical%E2%80%83applicability%EF%BC%BBJ%EF%BC%BD%EF%BC%8EJ%E2%80%83%0AGastroenterol%E2%80%83Hepatol%EF%BC%8C2024%EF%BC%8C39%EF%BC%889%EF%BC%89%EF%BC%9A1917-1923%EF%BC%8E

27、朱晓芸，吴练练，李素琴，等．人工智能技术在结肠镜退镜速度实时监控中的应用［J］．中华消化内镜杂志，2020，37（2）：125-130．

28、LIU%E2%80%83W%EF%BC%8CWU%E2%80%83Y%EF%BC%8CYUAN%E2%80%83X%EF%BC%8Cet%E2%80%83al%EF%BC%8EA%20rtifi%20ci%20al%E2%80%83%0Aintelligence-based%E2%80%83%20assessments%E2%80%83%20of%E2%80%83%20colonoscopic%E2%80%83%0Awithdrawal%E2%80%83technique%EF%BC%9AA%E2%80%83%20new%E2%80%83method%E2%80%83for%E2%80%83measuring%E2%80%83%0Aand%E2%80%83enhancing%E2%80%83the%E2%80%83quality%E2%80%83of%E2%80%83fold%E2%80%83examination%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AEndoscopy%EF%BC%8C2022%EF%BC%8C54%EF%BC%8810%EF%BC%89%EF%BC%9A972-979%EF%BC%8E

29、COLD%E2%80%83K%E2%80%83M%EF%BC%8CVAMADEVAN%E2%80%83A%EF%BC%8CVILMANN%E2%80%83A%E2%80%83S%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8EComputer-aided%E2%80%83quality%E2%80%83assessment%E2%80%83of%E2%80%83endoscopist%E2%80%83%0Acompetence%E2%80%83during%E2%80%83colonoscopy%EF%BC%9AA%E2%80%83systematic%E2%80%83review%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2024%EF%BC%8C100%EF%BC%882%EF%BC%89%EF%BC%9A%0A167-176%EF%BC%8Ee1%EF%BC%8E

30、%E2%80%83%20FILIP%E2%80%83D%EF%BC%8CGAO%E2%80%83X%EF%BC%8CANGULO-RODR%C3%8DGUEZ%E2%80%83L%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AColometer%EF%BC%9AA%E2%80%83%20real-time%E2%80%83%20quality%E2%80%83feedback%E2%80%83%20system%E2%80%83for%E2%80%83%0Ascreening%E2%80%83colonoscopy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EWorld%E2%80%83J%E2%80%83Gastroenterol%EF%BC%8C%0A2012%EF%BC%8C18%EF%BC%8832%EF%BC%89%EF%BC%9A4270-4277%EF%BC%8E

31、%E2%80%83%20SU%E2%80%83J%E2%80%83R%EF%BC%8CLI%E2%80%83Z%EF%BC%8CSHAO%E2%80%83X%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EImpact%E2%80%83of%E2%80%83a%E2%80%83real%02time%E2%80%83%20automatic%E2%80%83%20quality%E2%80%83%20control%E2%80%83%20system%E2%80%83%20on%E2%80%83%20colorectal%E2%80%83%0Apolyp%E2%80%83and%E2%80%83adenoma%E2%80%83detection%EF%BC%9AA%E2%80%83%20p%20rospective%E2%80%83%0Arandomized%E2%80%83controlled%E2%80%83study%EF%BC%88with%E2%80%83videos%EF%BC%89%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AGastrointest%E2%80%83Endosc%EF%BC%8C2020%EF%BC%8C91%EF%BC%882%EF%BC%89%EF%BC%9A415-424%EF%BC%8Ee4%EF%BC%8E

32、GONG%E2%80%83D%EF%BC%8CWU%E2%80%83L%EF%BC%8CZHANG%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EDetection%E2%80%83%20of%E2%80%83%0Acolorectal%E2%80%83adenomas%E2%80%83with%E2%80%83a%E2%80%83%20real-time%E2%80%83computer-aided%E2%80%83%0Asystem%EF%BC%88ENDOANGEL%EF%BC%89%EF%BC%9AA%E2%80%83%20randomised%E2%80%83controlled%E2%80%83%0Astudy%EF%BC%BBJ%EF%BC%BD%EF%BC%8ELancet%E2%80%83Gastroenterol%E2%80%83Hepatol%EF%BC%8C2020%EF%BC%8C5%EF%BC%884%EF%BC%89%EF%BC%9A352-361%EF%BC%8E

33、YAO%E2%80%83L%EF%BC%8CZHANG%E2%80%83L%EF%BC%8CLIU%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EEffect%E2%80%83%20of%E2%80%83%20an%E2%80%83%0Aartificial%E2%80%83intelligence-based%E2%80%83%20quality%E2%80%83improvement%E2%80%83%0Asystem%E2%80%83%20on%E2%80%83%20efficacy%E2%80%83%20of%E2%80%83%20a%E2%80%83%20computer-aided%E2%80%83%20detection%E2%80%83%0Asystem%E2%80%83in%E2%80%83colonoscopy%EF%BC%9AA%E2%80%83four-group%E2%80%83parallel%E2%80%83study%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEndoscopy%EF%BC%8C2022%EF%BC%8C54%EF%BC%888%EF%BC%89%EF%BC%9A757-768%EF%BC%8E

34、YAO%E2%80%83L%EF%BC%8CLI%E2%80%83X%EF%BC%8CWU%E2%80%83Z%EF%BC%8Cet%E2%80%83al%EF%BC%8EEffect%E2%80%83%20of%E2%80%83%20artificial%E2%80%83%0Aintelligence%E2%80%83on%E2%80%83novice-performed%E2%80%83colonoscopy%EF%BC%9AA%E2%80%83%0Amulticenter%E2%80%83randomized%E2%80%83controlled%E2%80%83tandem%E2%80%83study%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AGastrointest%E2%80%83Endosc%EF%BC%8C2024%EF%BC%8C99%EF%BC%881%EF%BC%89%EF%BC%9A91-99%EF%BC%8Ee9%EF%BC%8E

35、%E2%80%83GONG%E2%80%83R%20%EF%BC%8C%20YAO%E2%80%83L%20%EF%BC%8C%20ZHANG%E2%80%83L%20%EF%BC%8C%20et%E2%80%83al%20%EF%BC%8E%0AComplementary%E2%80%83effect%E2%80%83of%E2%80%83the%E2%80%83%20proportion%E2%80%83of%E2%80%83overspeed%E2%80%83%0Aframes%E2%80%83of%E2%80%83withdrawal%E2%80%83and%E2%80%83withdrawal%E2%80%83time%E2%80%83on%E2%80%83reflecting%E2%80%83%0Acolonoscopy%E2%80%83quality%EF%BC%9AA%E2%80%83retrospective%EF%BC%8Cobservational%E2%80%83%0Astudy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EClin%E2%80%83Transl%E2%80%83Gastroenterol%EF%BC%8C2023%EF%BC%8C14%0A%EF%BC%883%EF%BC%89%EF%BC%9Ae00566%EF%BC%8E

36、BARUA%E2%80%83I%EF%BC%8CMISAWA%E2%80%83M%EF%BC%8CGLISSEN%E2%80%83BROWN%E2%80%83J%E2%80%83R%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8ESpeedometer%E2%80%83for%E2%80%83withdrawal%E2%80%83time%E2%80%83monitoring%E2%80%83during%E2%80%83%0Acolonoscopy%EF%BC%9AA%E2%80%83clinical%E2%80%83implementation%E2%80%83trial%EF%BC%BBJ%EF%BC%BD%EF%BC%8E%0AScand%E2%80%83J%E2%80%83Gastroenterol%EF%BC%8C2023%EF%BC%8C58%EF%BC%886%EF%BC%89%EF%BC%9A664-670%EF%BC%8E

37、%E2%80%83%20PREISLER%E2%80%83L%EF%BC%8CS%C3%98NDERGAARD%E2%80%83SVENDSEN%E2%80%83M%E2%80%83B%EF%BC%8C%0AS%C3%98NDERGAARD%E2%80%83B%EF%BC%8Cet%E2%80%83al%EF%BC%8EAutomatic%E2%80%83and%E2%80%83unbiased%E2%80%83%0Aassessment%E2%80%83of%E2%80%83competence%E2%80%83in%E2%80%83colonoscopy%EF%BC%9AExploring%E2%80%83%0Avalidity%E2%80%83of%E2%80%83the%E2%80%83Colonoscopy%E2%80%83Progression%E2%80%83Score%EF%BC%88CoPS%EF%BC%89%0A%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEndosc%E2%80%83Int%E2%80%83Open%EF%BC%8C2016%EF%BC%8C4%EF%BC%881%202%EF%BC%89%EF%BC%9A%0AE1238-E1243%EF%BC%8E

38、PREISLER%E2%80%83L%EF%BC%8CBULUT%E2%80%83M%EF%BC%8CSVENDSEN%E2%80%83M%E2%80%83S%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0AAn%E2%80%83automatic%E2%80%83measure%E2%80%83of%E2%80%83progression%E2%80%83during%E2%80%83colonoscopy%E2%80%83%0Acorrelates%E2%80%83to%E2%80%83patient%E2%80%83experienced%E2%80%83pain%EF%BC%BBJ%EF%BC%BD%EF%BC%8EScand%E2%80%83%20J%E2%80%83%0AGastroenterol%EF%BC%8C2018%EF%BC%8C53%EF%BC%883%EF%BC%89%EF%BC%9A345-349%EF%BC%8E

39、VILMANN%E2%80%83A%E2%80%83%20S%20%EF%BC%8C%20SVENDSEN%E2%80%83M%E2%80%83B%E2%80%83S%20%EF%BC%8C%0ALACHENMEIER%E2%80%83C%EF%BC%8Cet%E2%80%83al%EF%BC%8EColonoscope%E2%80%83%20retraction%E2%80%83%0Atechnique%E2%80%83and%E2%80%83predicting%E2%80%83adenoma%E2%80%83detection%E2%80%83rate%EF%BC%9AA%E2%80%83%0Amulticenter%E2%80%83study%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2022%EF%BC%8C%0A95%EF%BC%885%EF%BC%89%EF%BC%9A1002-1010%EF%BC%8E

40、LUI%E2%80%83T%E2%80%83K%E2%80%83L%EF%BC%8CKO%E2%80%83M%E2%80%83K%E2%80%83L%EF%BC%8CLIU%E2%80%83J%E2%80%83J%EF%BC%8Cet%E2%80%83al%EF%BC%8EArtificial%E2%80%83%0Aintelligence-assisted%E2%80%83%20real-time%E2%80%83monitoring%E2%80%83of%E2%80%83effective%E2%80%83%0Awithdrawal%E2%80%83time%E2%80%83during%E2%80%83colonoscopy%EF%BC%9AA%E2%80%83novel%E2%80%83quality%E2%80%83%0Amarker%E2%80%83of%E2%80%83colonoscopy%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2024%EF%BC%8C99%EF%BC%883%EF%BC%89%EF%BC%9A419-427%EF%BC%8Ee6%EF%BC%8E

41、%E2%80%83%20KARAMCHANDANI%E2%80%83U%EF%BC%8CERRIDGE%E2%80%83S%EF%BC%8CEVANS%02HARVEY%E2%80%83K%EF%BC%8Cet%E2%80%83al%EF%BC%8EVisual%E2%80%83gaze%E2%80%83%20patterns%E2%80%83in%E2%80%83trainee%E2%80%83%0Aendoscopists%E2%80%83-%E2%80%83a%E2%80%83novel%E2%80%83assessment%E2%80%83tool%EF%BC%BBJ%EF%BC%BD%EF%BC%8EScand%E2%80%83J%E2%80%83%0AGastroenterol%EF%BC%8C2022%EF%BC%8C57%EF%BC%889%EF%BC%89%EF%BC%9A1138-1146%EF%BC%8E

42、LOU%E2%80%83S%EF%BC%8CDU%E2%80%83F%EF%BC%8CSONG%E2%80%83W%EF%BC%8Cet%E2%80%83al%EF%BC%8EA%20rtifi%20ci%20al%E2%80%83%0Aintelligence%E2%80%83for%E2%80%83colorectal%E2%80%83%20neoplasia%E2%80%83%20detection%E2%80%83%20during%E2%80%83%0Acolonoscopy%EF%BC%9AA%E2%80%83systematic%E2%80%83review%E2%80%83and%E2%80%83meta-analysis%E2%80%83of%E2%80%83%0Arandomized%E2%80%83clinical%E2%80%83trials%EF%BC%BBJ%EF%BC%BD%EF%BC%8EEClinicalMedicine%EF%BC%8C%0A2023%EF%BC%8C66%EF%BC%9A102341%EF%BC%8E

43、REX%E2%80%83D%E2%80%83K%EF%BC%8CKAHI%E2%80%83C%EF%BC%8CO%E2%80%99BRIEN%E2%80%83M%EF%BC%8Cet%E2%80%83al%EF%BC%8EThe%E2%80%83%0AAmerican%E2%80%83%20Society%E2%80%83for%E2%80%83%20Gastrointestinal%E2%80%83%20Endoscopy%E2%80%83%0APIVI%EF%BC%88Preservation%E2%80%83%20and%E2%80%83%20Incorporation%E2%80%83%20of%E2%80%83Valuable%E2%80%83%0AEndoscopic%E2%80%83Innovations%EF%BC%89on%E2%80%83%20real-time%E2%80%83%20endoscopic%E2%80%83%0Aassessment%E2%80%83of%E2%80%83the%E2%80%83%20histology%E2%80%83of%E2%80%83%20diminutive%E2%80%83colorectal%E2%80%83%0Apolyps%EF%BC%BBJ%EF%BC%BD%EF%BC%8EGastrointest%E2%80%83Endosc%EF%BC%8C2011%EF%BC%8C73%0A%EF%BC%883%EF%BC%89%EF%BC%9A419-422%EF%BC%8E

44、ZACHARIAH%E2%80%83R%EF%BC%8CSAMARASENA%E2%80%83J%EF%BC%8CLUBA%E2%80%83D%EF%BC%8Cet%E2%80%83%0Aal%EF%BC%8EPrediction%E2%80%83of%E2%80%83polyp%E2%80%83pathology%E2%80%83using%E2%80%83convolutional%E2%80%83%0Aneural%E2%80%83networks%E2%80%83achieves%E2%80%83%E2%80%9Cresect%E2%80%83and%E2%80%83discard%E2%80%9D%0Athresholds%EF%BC%BBJ%EF%BC%BD%EF%BC%8EAm%E2%80%83J%E2%80%83Gastroenterol%EF%BC%8C2020%EF%BC%8C115%0A%EF%BC%881%EF%BC%89%EF%BC%9A138-144

45、LI%E2%80%83M%E2%80%83D%EF%BC%8CHUANG%E2%80%83Z%E2%80%83R%EF%BC%8CSHAN%E2%80%83Q%E2%80%83Y%EF%BC%8Cet%E2%80%83al%EF%BC%8E%0APerformance%E2%80%83and%E2%80%83comparison%E2%80%83of%E2%80%83artificial%E2%80%83intelligence%E2%80%83%0Aand%E2%80%83human%E2%80%83experts%E2%80%83in%E2%80%83the%E2%80%83detection%E2%80%83and%E2%80%83classification%E2%80%83of%E2%80%83%0Acolonic%E2%80%83polyps%EF%BC%BBJ%EF%BC%BD%EF%BC%8EBMC%E2%80%83Gastroenterol%EF%BC%8C2022%EF%BC%8C22%0A%EF%BC%881%EF%BC%89%EF%BC%9A517%EF%BC%8E

46、%E2%80%83%20BAI%E2%80%83J%EF%BC%8CLIU%E2%80%83K%EF%BC%8CGAO%E2%80%83L%EF%BC%8Cet%E2%80%83al%EF%BC%8EComputer-aided%E2%80%83%0Adiagnosis%E2%80%83in%E2%80%83%20predicting%E2%80%83the%E2%80%83invasion%E2%80%83%20depth%E2%80%83%20of%E2%80%83%20early%E2%80%83%0Acolorectal%E2%80%83cancer%EF%BC%9AA%E2%80%83systematic%E2%80%83review%E2%80%83and%E2%80%83meta%02analysis%E2%80%83of%E2%80%83diagnostic%E2%80%83test%E2%80%83accuracy%EF%BC%BBJ%EF%BC%BD%EF%BC%8ESurg%E2%80%83%0AEndosc%EF%BC%8C2023%EF%BC%8C37%EF%BC%889%EF%BC%89%EF%BC%9A6627-6639%EF%BC%8E

47、YAO%E2%80%83L%EF%BC%8CLIU%E2%80%83J%EF%BC%8CWU%E2%80%83L%EF%BC%8Cet%E2%80%83al%EF%BC%8EA%E2%80%83%20gastrointestinal%E2%80%83%0Aendoscopy%E2%80%83quality%E2%80%83control%E2%80%83system%E2%80%83incorporated%E2%80%83with%E2%80%83deep%E2%80%83%0Alearning%E2%80%83improved%E2%80%83endoscopist%E2%80%83performance%E2%80%83in%E2%80%83a%E2%80%83pretest%E2%80%83%0Aand%E2%80%83post-test%E2%80%83trial%EF%BC%BBJ%EF%BC%BD%EF%BC%8EClin%E2%80%83Transl%E2%80%83Gastroenterol%EF%BC%8C%0A2021%EF%BC%8C12%EF%BC%886%EF%BC%89%EF%BC%9Ae00366%EF%BC%8E

1、广东省“新医科”教指委 2023 年教学改革项目（编号：55）；2024 年福田区卫生健康系统科研项目（FTWS053）()