人工智能辅助结肠镜清洗策略选择系统的开发与验证

结直肠病作为人类的常见病，严重影响着人类的生命健康。 随着人口老龄化、饮食结构的改变和环境污染的加剧，结肠癌、结肠息肉、炎症性肠病等结直肠疾病的发病率逐渐增加。

结肠镜检查是用于结直肠癌 (CRC) 预防和早期检测的最简单且应用最广泛的筛查程序。 肠镜可以清楚地观察回肠末端和大肠的细小变化，如糜烂、溃疡、出血、充血、水肿、息肉、早期癌等。 结肠镜检查可对病灶部位进行活检进行病理检查，以组织学定性黏膜病灶的定性，如炎症、息肉性质、癌的分化程度等。 有助于了解病变的严重程度，指导制定正确的治疗方案或判断治疗效果。 肠镜还可以作为大肠息肉、早期癌、出血、异物等疾病的微创内镜治疗。

由于肠道准备的质量会影响结肠镜检出腺瘤和息肉的能力，因此必须进行充分的肠道准备以确保结肠镜在 CRC 预防中的最佳使用。 几乎所有的临床指南都建议在结肠镜检查前进行充分的肠道准备。 然而，高达三分之一的结肠镜检查发现肠道准备不充分，据估计这会使结肠镜检查的费用增加 12% 至 22%。 并且有20%的患者肠道准备不充分。 当患者肠道准备不充分时，冲洗困难可能导致漏检腺瘤。 因此，医生需要准确识别此类患者，并告诉他们在彻底清洁肠道后进行第二次结肠镜检查。 然而，肠道清洁度的评价由医生主观决定，目前尚无客观有效的评分标准来指导患者接受第二次肠镜检查。

深度学习是近十年人工智能领域的重要突破。 它在图像分析和图像分类中提取微小特征方面具有巨大潜力。 2017年，《自然》杂志发表论文显示，利用人工智能诊断皮肤病可以达到专家水平。 随后，在消化内镜领域，越来越多的研究开始应用人工智能辅助医生发现息肉，提高息肉和腺瘤的检出率。Urban, G.团队利用人工智能识别息肉，灵敏度达到95%。 Misawa, M 团队使用人工智能以 90% 的灵敏度识别息肉。 我们研究小组的目的是开发具有实时肠道清洁度评估功能的 EndoAngel。 它可以根据波士顿评分为0-1的肠段百分比与腺瘤检出率之间的关系得出肠道清洁度的决策曲线。 它可以帮助内镜医师识别出需要进行二次结肠镜检查的患者，避免因错误的决策而漏检腺瘤和高昂的清洗时间成本。 同时，人工智能在消化内镜领域处于初步研究阶段，我们的研究成果有望为提高结肠镜腺瘤的检出率提供新的思路。

研究过程是：符合所有纳入标准但不符合所有排除标准的受试者在结肠镜检查前被纳入研究。 在结肠镜检查过程中，内镜医师在冲洗肠道时需保持原位，不得撤离。 对活检患者进行为期一周的随访。 未接受活检的患者在结肠镜检查结束时接受随访，结果将发送给独立的数据分析小组进行审查。 我们将收集患者的视频，排除冲洗、活检和观察息肉的片段。 然后EndoAngel评估升结肠、横结肠和降结肠的波士顿肠道准备量表，并计算1分的比例。