陸建新

（梧州市紅十字會醫(yī)院，廣西 梧州 543000）

近年來隨著科學(xué)技術(shù)的發(fā)展，人工智能在醫(yī)學(xué)領(lǐng)域的應(yīng)用逐漸得到重視，將人工智能用于篩查重大疾病的報道越來越多[1-3]。人工智能實時輔助消化內(nèi)鏡檢查就是隨著人工智能的發(fā)展而出現(xiàn)的一種新型檢查方法。胃癌癌前病變是指一類易發(fā)生癌變的胃黏膜病理組織學(xué)變化，包括慢性萎縮性胃炎、胃黏膜低級別上皮內(nèi)瘤變、慢性胃潰瘍、胃腺瘤性息肉、殘胃炎等。本文主要是探討人工智能實時輔助消化內(nèi)鏡檢查在胃癌癌前病變篩查中的應(yīng)用效果。

1 資料與方法

1.1 一般資料

選擇2019 年7 月至2020 年7 月期間我院收治的300例疑似存在胃癌癌前病變的患者作為研究對象。其中，排除對進(jìn)行消化內(nèi)鏡檢查存在禁忌證、存在肝腎功能異?；蛎庖吖δ苷系K、病歷資料缺失、近期有上消化道手術(shù)史或不愿參與本研究的患者。在這300 例患者中，有男性187 例，女性113 例；其年齡為20 ～76 歲，平均年齡為（52.62±6.82）歲。

1.2 方法

對這300 例患者進(jìn)行傳統(tǒng)消化內(nèi)鏡檢查的方法是：在檢查前讓其禁食12 h，檢查前2 h 讓其口服去泡劑與去黏液劑，以去除附著于胃壁上的泡沫與黏液。對患者進(jìn)行靜脈麻醉及鼻導(dǎo)管吸氧，待其睫毛反射消失后經(jīng)口置入電子胃鏡。在胃鏡下找到病變部位，從不同角度對病變部位進(jìn)行觀察，并取少量病變組織進(jìn)行病理學(xué)檢查。對這300 例患者進(jìn)行人工智能實時輔助消化內(nèi)鏡檢查的方法是：在檢查前讓患者禁食12 h，檢查前2 h 讓其口服去泡劑與去黏液劑，以去除附著于胃壁上的泡沫與黏液。對患者進(jìn)行靜脈麻醉及鼻導(dǎo)管吸氧，待其睫毛反射消失后經(jīng)口置入電子胃鏡，并采用消化內(nèi)鏡人工智能輔助診斷系統(tǒng)（Gastrointestinal Cancer Endoscopy Real-time Artificial Intelligence Diagnostic System，GRAIDS）對其進(jìn)行檢查。該系統(tǒng)具有實時活檢部位精確提示、內(nèi)鏡檢查智能質(zhì)控和自動采圖等功能，可在醫(yī)生進(jìn)行內(nèi)鏡檢查的同時自動捕獲圖像并進(jìn)行云端人工智能分析，實時提示精確的可疑病灶區(qū)域，指導(dǎo)醫(yī)生選擇活檢部位。

1.3 觀察指標(biāo)

觀察并記錄對這300 例患者進(jìn)行傳統(tǒng)的消化內(nèi)鏡檢查、人工智能實時輔助消化內(nèi)鏡檢查與病理學(xué)檢查的結(jié)果。比較用人工智能實時輔助消化內(nèi)鏡檢查與傳統(tǒng)的消化內(nèi)鏡檢查診斷這300 例患者病情的敏感度、特異度和準(zhǔn)確率。敏感度= 真陽性例數(shù)/（真陽性例數(shù)+ 假陰性例數(shù)）×100%。特異度=真陰性例數(shù)/（假陽性例數(shù)+真陰性例數(shù)）×100%。準(zhǔn)確率=（真陽性例數(shù)+ 真陰性例數(shù)）/ 總例數(shù)×100%。調(diào)查8 名醫(yī)生對人工智能實時輔助消化內(nèi)鏡檢查與傳統(tǒng)消化內(nèi)鏡檢查質(zhì)量（包括檢出定位、性質(zhì)鑒別與檢出效能三個方面）及滿意度的評分。檢查質(zhì)量評分和滿意度評分的分值均為1 ～5 分，醫(yī)生的評分越高表示其對消化內(nèi)鏡檢查的質(zhì)量越認(rèn)可、對檢查的滿意度越高。

1.4 統(tǒng)計學(xué)方法

用SPSS 21.0 軟件處理本研究中的數(shù)據(jù)，計數(shù)資料用%表示，用χ2檢驗，計量資料用均數(shù)±標(biāo)準(zhǔn)差（± s）表示，用t 檢驗，P ＜0.05 表示差異有統(tǒng)計學(xué)意義。

2 結(jié)果

2.1 對這300 例患者進(jìn)行病理學(xué)檢查與消化內(nèi)鏡檢查的結(jié)果

對這300 例患者進(jìn)行病理學(xué)檢查的結(jié)果顯示，其中有238 例患者存在胃癌癌前病變。對這300 例患者進(jìn)行傳統(tǒng)消化內(nèi)鏡檢查的結(jié)果顯示，其中有209 例患者存在胃癌癌前病變。對這300 例患者進(jìn)行人工智能實時輔助消化內(nèi)鏡檢查的結(jié)果顯示，其中有230 例患者存在胃癌癌前病變。詳見表1。

表1 對這300 例患者進(jìn)行病理學(xué)檢查與消化內(nèi)鏡檢查的結(jié)果（例）

2.2 用兩種消化內(nèi)鏡檢查診斷這300 例患者胃癌癌前病變的結(jié)果

用人工智能實時輔助消化內(nèi)鏡檢查診斷這300 例患者胃癌癌前病變的敏感度、特異度和準(zhǔn)確率分別為95.38%、95.16% 和95.33%，用傳統(tǒng)消化內(nèi)鏡檢查診斷其胃癌癌前病變的敏感度、特異度和準(zhǔn)確率分別為83.19%、82.26%和83%。用人工智能實時輔助消化內(nèi)鏡檢查診斷這300 例患者胃癌癌前病變的敏感度、特異度和準(zhǔn)確率均高于用傳統(tǒng)消化內(nèi)鏡檢查診斷其胃癌癌前病變的敏感度、特異度和準(zhǔn)確率，差異有統(tǒng)計學(xué)意義（P ＜0.05）。詳見表2。

表2 用兩種消化內(nèi)鏡檢查診斷這300 例患者胃癌癌前病變的結(jié)果[%（例/例）]

2.3 8 名醫(yī)生對這兩種消化內(nèi)鏡檢查質(zhì)量及滿意度的評分

8 名醫(yī)生對人工智能實時輔助消化內(nèi)鏡檢查質(zhì)量和滿意度的評分均高于對傳統(tǒng)消化內(nèi)鏡檢查質(zhì)量和滿意度的評分，差異有統(tǒng)計學(xué)意義（P ＜0.05）。詳見表3。

表3 8 名醫(yī)生對這兩種消化內(nèi)鏡檢查質(zhì)量及滿意度的評分（分，± s）

表3 8 名醫(yī)生對這兩種消化內(nèi)鏡檢查質(zhì)量及滿意度的評分（分，± s）

組別例數(shù)對檢查質(zhì)量的評分對檢查滿意度的評分性質(zhì)鑒別評分檢出定位評分檢出效能評分傳統(tǒng)消化內(nèi)鏡檢查 83.15±0.48 3.09±0.41 3.21±0.50 3.18±0.51人工智能實時輔助消化內(nèi)鏡檢查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 討論

慢性萎縮性胃炎、胃黏膜低級別上皮內(nèi)瘤變、慢性胃潰瘍、胃腺瘤性息肉、殘胃炎等均屬于胃癌癌前病變。臨床上應(yīng)對胃癌癌前病變患者的病情進(jìn)行早診斷、早治療，以控制其病情的發(fā)展，降低其胃癌的發(fā)生風(fēng)險。過去，臨床上常采用傳統(tǒng)的消化內(nèi)鏡檢查診斷胃癌癌前病變，不僅耗時耗力，還易出現(xiàn)誤診、漏診等問題。人工智能實時輔助消化內(nèi)鏡檢查具有診斷的準(zhǔn)確性和效能高、學(xué)習(xí)性強(qiáng)等優(yōu)勢，近年來受到專家學(xué)者的廣泛關(guān)注[4-5]。本研究的結(jié)果顯示，用人工智能實時輔助消化內(nèi)鏡檢查診斷這300 例患者胃癌癌前病變的敏感度、特異度和準(zhǔn)確率均高于用傳統(tǒng)消化內(nèi)鏡檢查診斷其胃癌癌前病變的敏感度、特異度和準(zhǔn)確率，差異有統(tǒng)計學(xué)意義（P ＜0.05）。究其原因主要是，GRAIDS 具有高度的可學(xué)習(xí)性，在導(dǎo)入相應(yīng)的處理方法和算法（如人工神經(jīng)網(wǎng)絡(luò)、分類決策樹、回歸分析等）后能自動化處理患者的檢查結(jié)果，進(jìn)行病灶識別與智能診斷[6-7]。此外，隨著GRAIDS 的不斷升級，可使人工智能平臺更加智能化，使之具備糾錯與長效學(xué)習(xí)的特性。李玲等[8]研究指出，在基于電子胃鏡影像的上消化道疾病智能輔助診斷框架下診斷上消化道疾病能有效地分流臨床上診斷此類疾病的壓力，減輕醫(yī)師的工作負(fù)擔(dān)，減少醫(yī)師因職業(yè)疲勞而出現(xiàn)人為誤診、漏診等問題。但本研究也存在一定的局限性，如樣本量偏少，可能導(dǎo)致統(tǒng)計學(xué)結(jié)果的客觀性不足。為進(jìn)一步提高本研究的科學(xué)性，未來可持續(xù)加大樣本投入，爭取開展多中心、大樣本研究，并在此基礎(chǔ)上進(jìn)行深入的分類研究（如細(xì)化患者的年齡層、細(xì)化單個胃癌癌前病變病種的篩查等）。

綜上所述，用人工智能實時輔助消化內(nèi)鏡檢查診斷胃癌癌前病變的敏感度、特異度和準(zhǔn)確率較高，該檢查方法可用于篩查胃癌癌前病變。