计算机辅助光学诊断 (CAD) 对预测微小直肠乙状结肠息肉组织学的影响：一项多中心前瞻性试验（ABC 研究）。 (ABC)

最近，日本东京的富士胶片公司开发了一种基于 CNN 的用于息肉表征的人工智能 (AI) 系统。 它与 BLI 系统一起工作。 在本研究中，我们前瞻性地评估内窥镜医师的评估与 CAD 系统输出相结合，在以组织病理学为参考标准的小型直肠乙状结肠息肉的表征（即作为腺瘤或非腺瘤）方面是否达到 > 90% 的准确度。 连续接受选择性结肠镜检查的成人门诊患者，其中至少检测到一个小型（<5 mm）直肠乙状结肠息肉。 在内窥镜检查过程中，内窥镜医师识别出的所有息肉都会记录其大小、位置和形态。 所有小型息肉的特征都在于三个连续步骤过程：I) 内窥镜医师预测：内窥镜医师通过 BASIC 分类使用 BLI 评估息肉；记录组织学预测的置信度（高与低）； II) AI预测：开启AI系统，记录自动评估的输出；根据结果​​随时间的一致性，该结果被评为稳定或不稳定； III)联合预测：由内镜医师根据第一步和第二步的结果进行最终分类；记录置信度。 所有息肉都被切除并在单独的罐子中取出，并送去进行病理学评估。 只有具有高置信度特征的息肉才会包含在每个息肉分析中；还将计算高置信度表征率；将计算以 CAD 稳定结果为特征的息肉率。 将以组织病理学报告作为参考标准，计算每个小息肉和每个小直肠乙状结肠息肉在区分腺瘤性和非腺瘤性息肉时的操作特征（敏感性、特异性、阳性和阴性预测值和准确性），并以高置信度进行评估。 根据 USMSTF 和 ESGE 指南，将根据所有患者的息肉组织学（参考标准）计算息肉切除术后监测间隔。