计算机辅助检测和选择锯齿状腺瘤和肿瘤性息肉 - 一个新的临床草案 (CASSANDRA II)

腺瘤是结直肠的息肉，有可能发展成结肠癌 [1]。 然而，一些腺瘤永远不会恶变，即使恶变，从腺瘤发展成癌症通常需要很长时间。 因此，建立了筛查结肠镜检查计划，以便在早期发现和切除腺瘤 [2]。 息肉切除后应送病理，以作出组织学诊断。 并非每个结直肠息肉都具有腺瘤组织学。 大约 40-50% 的息肉包含其他良性组织学（例如 增生性息肉）。 这些息肉不承担结肠癌的风险。

在过去几年中，筛查计划的实施导致结肠镜检查的数量不断增加 [3]。 这种方法自然意味着检测到更多的息肉。 去除这些息肉并咨询病理学家以做出诊断既费时又费钱。 基于光学的息肉组织学预测（腺瘤性与非腺瘤性）将使内窥镜医师能够节省资金并更快地告知患者检查结果。 根据光学特征预测息肉组织学的方法称为“光学活检”方法。 预测是由内窥镜医师在实时结肠镜检查期间做出的。 该策略的目的是进行光学诊断，使用户能够切除息肉而无需将标本送往病理学。 窄带成像 (NBI) 是一种滤光设备，可以在结肠镜检查期间打开。 NBI 有助于更好地显示结肠粘膜的血管模式。 已经表明，使用 NBI 可以促进结直肠息肉的光学分类 [5]。 存在基于 NBI 的分类方案，可用于将息肉分配到特定的息肉类别（腺瘤性与非腺瘤性）[6]。

在内窥镜检查中常规使用光学分类方法之前，有必要证明其可行性和准确性 [7]。 否则，该方法将带来错误诊断的风险，这可能导致对进一步诊断或治疗步骤的错误建议。

到目前为止，一些临床试验表明光学活检方法具有良好的准确性 [5]。 然而，越来越多的证据表明光学活检尚未达到要求的准确度阈值 [8]。 我们研究的目的是创建一个能够区分腺瘤、锯齿状腺瘤和增生性息肉的计算机程序。 结直肠息肉的视频序列将用于机器学习（验证阶段）。 之后将使用一组 100 个视频来测试计算机程序是否能够区分腺瘤性和非腺瘤性息肉（主要终点）。 将计算统计量度（准确度、灵敏度、特异性）。 这 100 个视频也将呈现给人类专家，他们也将根据光学特征预测息肉诊断。 比较计算机和人类专家做出的光学预测的准确性将是该研究的另一个终点。