研究背景:近年来,结直肠癌发病率和死亡率均呈现上升趋势,成为威胁人类健康的主要恶性肿瘤。结直肠癌的预后与疾病所处阶段关系密切。通过结肠镜早期发现与切除结直肠腺瘤,可显著降低结直肠癌的发生风险与死亡率。目前,结肠镜检查已成为筛查结直肠癌的金标准,在结直肠癌早期筛查中发挥重要作用。然而,由于内镜医师操作技术存在差异,可导致一定的结直肠腺瘤漏检率,因而限制其在结直肠癌中的预防作用。多项指南与专家共识提出了标准的操作流程以优化结肠镜检查。基于标准操作流程的质量控制可降低操作者间差异,并提高结直肠腺瘤检出率。但由于传统人工方式的质量控制方法对人力成本要求较高,在日常临床工作中难以有效开展。因此,现在迫切需要一种有效可行的质量控制方法以降低结直肠腺瘤漏检率,提高结肠镜检查质量。理想的质量控制方法应当在不增加人力成本的前提下,实现对检查过程的实时监督,并可以辅助操作者发现可疑病变。近年来,随着人工智能(artificial intelligence,AI)的飞速发展,越来越多的研究人员将深度卷积神经网络(deep convolutional neural networks,DCNNs))应用于消化道病变的辅助检查诊断中。有研究显示通过特定的内镜图片训练DCNNs,可使DCNN模型达到内镜专家级别的诊断水平。因此,基于DCNNs的图像识别系统在辅助支持结肠镜质量控中应用潜力巨大。但是,在将AI技术广泛应用于常规结肠镜质量控制之前,应当对其临床使用价值进行充分的研究观察。因此,本研究围绕AI在结肠镜质量控制方面开展研究。研究目的:1.基于DCNNs,研发并测试针对结肠镜的质量控制模型2.前瞻性评估智能质量控制系统(automatic quality control system,AQCS)是否可以在真实临床实践中提高结肠镜检查质量研究方法:第一部分:基于深度神经网络的结肠镜质量控制模型研发与测试本研究阶段将针对结肠镜退镜计时、结肠镜退镜稳定性监测、肠道清洁度评估、结直肠息肉检出等方面研发DCNN模型。模型B与模型E用于智能识别退镜检查的起点与终点;模型BP用于智能评估肠道清洁度;模型PD用于智能检测与定位结直肠息肉;模型S用于智能监测结肠镜退镜稳定性。首先,针对于山东大学齐鲁医院进行常规结肠镜检查的患者,回顾性收集26758张结肠镜图片用于神经网络模型的研发测试。根据不同模型的质控目的,由至少2名有经验的内镜医师对每张结肠镜图片进行审阅标记。在完成图片准备之后,将收集的结肠镜图片分为训练集、验证集与测试集。在训练过程中,训练集用来训练模型,而验证集用来优化模型参数。完成训练后,通过图片测试集对模型B、模型E、模型BP、模型PD及模型S进行测试,并通过真实结肠镜退镜视频对模型S进行验证。第二部分:智能质量控制系统在结肠镜中的临床应用研究为了进一步观察DCNN模型在结肠镜质量控制中的临床使用价值,我们于2018年10月至2019年5月在山东大学齐鲁医院开展了一项随机对照研究。首先,我们将训练测试后的结肠镜质量控制模型整合为AQCS。下一步,前瞻性纳入连续的常规结肠镜检查患者,随机分入AQCS辅助组与常规检查组。本研究的分组信息对所有受试者及数据分析设盲,对消化内镜医师不设盲。本研究的主要结果是AQCS组与对照组的腺瘤检出率(adenoma detection rate,ADR)。本研究的次要结果包括息肉检出率(polyp detection rate,PDR)、平均腺瘤检出数、平均息肉检出数、平均退镜时间及肠道清洁合格率。研究结果:第一部分:基于深度神经网络的结肠镜质量控制模型研发与测试本研究阶段纳入4980张结肠镜图片作为测试集,测试模型B、模型E、模型PD、模型BP及模型S。模型B的准确性、敏感性、特异性分别为96.94%、97.06%、96.65%。模型E的准确性、敏感性、特异性分别为98.20%、97.43%、99.03%。模型PD的准确性、敏感性、特异性分别为95.47%、96.04%、94.46%。模型S识别是否模糊的准确性、敏感性、特异性分别为94.50%、91.20%、97.80%。模型S的结肠镜视频测试结果显示,其判断退镜稳定性的准确率为93.33%。模型BP识别不同波士顿肠道准备评分的准确性范围为97.00%到98.30%。模型B、模型 E、模型 PD 受试者工作特征(receiver operating characteristic,ROC)曲线下面积分别为1.00、1.00、0.99。模型BP的ROC曲线下面积范围为0.98到1.00。模型S识别是否模糊的ROC曲线下面积范围为0.99。第二部分:智能质量控制系统在结肠镜中的临床应用研究本研究阶段共纳入患者659人,随机分入AQCS组与对照组。根据排除标准排除后,最终分别对AQCS组中的308名患者与对照组中的315名患者进行分析。AQCS组的ADR为28.90%,对照组的ADR为16.51%,AQCS组显著高于对照组(28.90%vs.16.51%,P<0.001)。AQCS组腺瘤平均检出数为0.367,对照组腺瘤平均检出数为0.178,AQCS组显著高于对照组(0.367 vs.0.178,P<0.001)。同时,AQCS 组的 PDR 为 38.31%,对照组的 PDR 为 25.40%,AQCS组显著高于对照组(38.31%vs.25.40%,P=0.001)。AQCS组息肉平均检出数为0.575,对照组息肉平均检出数为0.305,AQCS组显著高于对照组(0.575 vs.0.305,P<0.001)。此外,AQCS组平均退镜时间为7.03分,对照组平均退镜时间为5.68分,AQCS 组显著长于对照组(7.03±1.01 分 vs.5.68±1.26 分,P<0.001)。AQCS肠道清洁合格率为87.34%,对照组肠道清洁合格率为80.63%,AQCS组显著高于对照组(87.34%vs.80.63%,P=0.023)。研究结论:1.DCNN模型在结肠镜退镜检查时间、退镜稳定性、肠道清洁度、结直肠息肉检测等方面的质量控制具有良好的准确性、敏感性与特异性。2.基于DCNN模型的智能质量控制系统可在临床结肠镜检查过程中有效提高检查质量,包括:保证充分的退镜时间、提高肠道清洁度、增加结直肠息肉与腺瘤检出。研究意义:本研究验证了 DCNN模型在结肠镜质量控制中应用的可行性,并且证明在真实临床环境中应用基于DCNN的智能质量控制系统可以显著提高结直肠腺瘤检出率。同时,该系统可在检查过程中实时提示内镜医师遵从标准结肠镜操作,精准有效地提高结肠镜检查质量。更为重要地是,本研究创新型地提出了一种计算机辅助的智能质量控制方法,这将在未来大大降低医院质量控制的成本,有利于结肠镜质量控制的有效实施与推广。