人工智能輔助消化內鏡用于胃癌及癌前病變鑒別診斷臨床價值分析

王君，晁帥恒

胃癌是臨床常見消化系統惡性腫瘤，其在我國各類癌癥的發病率、死亡率排名中均排第3，給居民健康帶來嚴重威脅[1]。實踐表明，盡早檢查、診斷是使胃癌患者獲得良好預后的關鍵。消化內鏡是臨床主要胃部疾病檢查手段，其可方便觀察食管、胃、十二指腸球部和降部的黏膜形態，確定病變部位，而且可以取胃黏膜活檢對病變部位定性分析，協助診斷上消化道炎癥、潰瘍、腫瘤等多種疾病[2]。臨床廣泛認同胃癌的發生發展遵循正常胃黏膜—慢性炎癥—萎縮性胃炎—腸化生—癌前病變—胃癌的級聯反應[3]，常規胃鏡下診斷依靠操作醫師臨床經驗，難以做到同質化檢查效能，存在一定局限性，較難鑒別癌前病變與早期胃癌，影響治療選擇及患者預后，因此探尋更為精準的診斷方法具有重要意義。隨著人工智能發展，逐漸應用于醫療診療中，研究顯示人工智能在肺結節良惡性判斷、宮頸癌篩查等疾病中取得較好成效[4-5]。本研究將人工智能與消化內鏡檢查結合，探究其用于胃癌與癌前病變鑒別診斷中的價值，取得一定成果，現報告如下。

1 資料與方法

1.1 一般資料 回顧河南科技大學附屬許昌市中心醫院2020年1月至2021年12月收治的160例疑似胃癌及癌前病變患者資料，其中男95例，女65例；年齡31～85歲，平均年齡(55.12±10.21)歲。

1.2 選取標準 納入標準：年齡18歲以上；接受常規內鏡檢查、人工智能輔助消化內鏡檢查、活檢病理學診斷；臨床資料完整。排除標準：合并嚴重心肺疾病、胸腹主動脈瘤、腦卒中等其他消化內鏡禁忌證及無法耐受檢查患者；近期接受上消化道手術；既往確診胃癌及胃上皮內瘤變(GIN)。

1.3 檢查方法

1.3.1 常規消化內鏡檢查 所有患者均于檢查前1 d晚上21：00后禁食禁飲，于次日檢查前2 h服用鏈霉蛋白酶顆粒(生產單位：北京泰德制藥股份有限公司，批準文號：國藥準字H20110030，規格：20 000單位)溶解去除胃壁黏液。所有患者均接受靜脈麻醉，待患者睫毛反射消失后經口進行電子胃鏡檢查，常規觀察患者食管、賁門、胃底、胃體等部位黏膜情況，定位病變部分進行多角度觀察，取少量病變部位黏膜樣本進行活檢。

1.3.2 人工智能輔助消化內鏡檢查 人工智能輔助消化內鏡檢查前準備及麻醉方式同常規胃鏡，在內鏡醫師觀察患者胃黏膜病變部位時在常規檢查基礎上采用胃腸道人工智能輔助診斷系統(gastrointestinal artificial intelligence diagnostic system，GRAIDS)輔助檢查，根據系統提醒定位活檢部位、圖像采集、指控管理。

1.4 統計學方法 本研究數據均用SPSS 24.0軟件分析，其中計量資料采用均數±標準差(±s)表示；計數資料采用率[n(%)]表示，比較采用χ2檢驗或Fisher精確檢驗；以病理學結果為標準做四格表分析常規消化內鏡和人工智能輔助消化內鏡對胃黏膜病變的診斷效能及胃癌與癌前病變鑒別診斷效能，敏感度＝真陽性例數/金標準總陽性例數×100%，特異度＝真陰性例數/金標準總陰性例數×100%，準確率＝(真陽性例數＋真陰性例數)/總例數×100%，陽性預測值＝真陽性例數/診斷方法總陽性例數×100%，陰性預測值＝真陰性例數/診斷方法總陰性例數×100%，P＜0.05表示差異有統計學意義。

2 結果

2.1 病理學結果 160例疑似胃黏膜病變患者經活檢病理學診斷，其中GIN 102例，占比63.75%(102/160)，胃癌38例，占比23.75%(38/160)，其他非GIN 20例，占比12.50%(20/160)，陽性率87.50%(140/160)；其中GIN患者包括低級別上皮內瘤變(LGIN)75例，占比73.53%(75/102)，高級別上皮內瘤變(HGIN)27例，占比26.47%(27/102)。

2.2 不同方法對胃黏膜病變診斷效能比較 常規消化內鏡檢出胃黏膜病變陽性123例，其對胃黏膜病變診斷敏感度83.57%，特異度70.00%，準確率81.88%，陽性預測值95.12%，陰性預測值37.84%；人工智能輔助消化內鏡檢出胃黏膜病變陽性132例，其對胃黏膜病變診斷敏感度92.86%，特異度90.00%，準確率92.50%，陽性預測值98.48%，陰性預測值64.29%，見表1；人工智能輔助消化內鏡診斷胃黏膜病變的敏感度、準確率、陰性預測值高于常規消化內鏡，差異有統計學意義(P＜0.05)，見表2。

表1 不同方法對胃黏膜病變檢出結果比較(n)

表2 不同方法對胃黏膜病變診斷效能相關參數比較單位：%

2.3 不同方法鑒別胃癌及GIN效能比較 常規消化內鏡檢出的123例病變陽性患者診斷胃癌30例，GIN 93例，其對胃癌及GIN鑒別診斷敏感度71.05%，特異度96.47%，準確率88.62%，陽性預測值90.00%，陰性預測值88.17%；人工智能輔助消化內鏡檢出的132例病變陽性患者診斷胃癌35例，GIN 97例，其對胃癌及GIN鑒別診斷敏感度86.84%，特異度97.87%，準確率94.70%，陽性預測值94.29%，陰性預測值94.85%，見表3；兩種檢查方法鑒別診斷胃癌及GIN的效能參數比較差異無統計學意義(P＞0.05)，見表4。

表3 不同方法對胃癌及GIN診斷結果(n)

表4 不同方法鑒別診斷胃癌及GIN效能相關參數單位：%

3 討論

據研究統計2016年我國新發癌癥胃癌患者39.7萬例，死亡28.9萬例，僅次于肺癌和肝癌[6]，雖然近年來發病率及死亡率呈下降趨勢，但仍是威脅我國居民的主要癌癥類型。胃癌是高發于胃黏膜上皮的惡性腫瘤，早期通常無特異性體征，發展到中晚期可出現類似胃潰瘍、胃炎等胃部疼痛、食欲減退、上腹飽脹等癥狀，部分伴隨黑便、出血[7]。我國早期胃癌患者占比僅約20%，多數患者就診已為進展期，5年內生存率不足50%[8]，早期診療是關鍵。消化內鏡檢查是胃癌的必須檢查手段，其可確定腫瘤位置，獲取黏膜組織行病理檢查，結合物理染色、化學染色等多種方法可鑒別胃黏膜病變的良惡性并判斷病灶邊界范圍。但消化內鏡檢查需要消耗大量人力物力，而且作為入侵式檢查，患者接受度較低，因此難以進行大面積篩查，此外內鏡檢查操作尚未形成規范，基層醫療機構醫師早癌意識薄弱、經驗欠缺等多種因素均可導致胃癌診療效率低下[9]，因此探索提高診療效率的方法對提高患者生存率至關重要。

雖然人工智能在臨床診斷實踐中尚處于初級階段，但其已在多學科多疾病醫學圖像識別中展現巨大潛力。Tang等人[10]開發和驗證用于檢測早期胃癌的實時深度卷積神經網絡系統，顯示其診斷陽性病變的準確率(85.1%～91.2%)、靈敏度(85.9%～95.5%)、特異度(81.7%～90.3%)和AUC(0.887～0.940)，較傳統內鏡醫師檢查診斷效率更高，再次說明人工智能在胃癌診斷中的遠大前景。本研究比較常規內鏡及基于人工智能輔助的內鏡檢查，結果顯示人工智能輔助消化內鏡診斷胃黏膜病變的敏感度、準確率、陰性預測值高于常規消化內鏡(P＜0.05)，說明基于人工智能輔助可提高胃黏膜良惡性病變的準確性。一方面人工智能輔助檢查可減少操作醫師因疲勞導致的漏診、誤診，而且可以彌補經驗不足的診斷不確定，另一方面人工智能輔助檢查診斷可利用多種模型，適應不同應用場景，例如基于特征提取＋機器分類的模型可用于基層設備不先進的醫療機構，而基于深度學習的人工智能可用于條件較好的三級醫院，優化檢測準確率[11]。Correa級聯反應是臨床廣泛認可的胃癌的發生發展模式[12-13]，其以正常胃黏膜發展為胃癌劃分為6個階段，其中GIN是早期胃癌前階段，包括LGIN和HGIN，其中HGIN患者進展為胃癌的風險顯著更高，早期胃癌防控目標的關鍵應為避免進展為HGIN。臨床對于GIN與早期胃癌治療差異顯著，GIN特別是LGIN被認為根除幽門螺桿菌有助于阻斷進展為HGIN，而對于早期胃癌則首選內鏡黏膜下剝離術治療[14]，本研究中常規消化內鏡、人工智能輔助消化內鏡鑒別診斷胃癌及GIN的效能參數比較差異無統計學意義(P＞0.05)，說明兩種方法均可有效鑒別胃癌及GIN，考慮一方面是結合內鏡染色觀察本身具有較高診斷效能，李發旺等[15]的研究顯示內鏡下聯合染色技術(電子染色＋靛胭脂染色) 可明顯提高早期胃癌和癌前病變的檢出率，另一方面本研究結果中可看出基于人工智能輔助檢查相關參數結果更好，但結果無顯著差異考慮是因為納入樣本量較少，存在一定偏倚。

綜上所述，在胃黏膜病變良惡性判斷中基于人工智能輔助的消化內鏡檢查表現良好，可有效提高常規胃鏡的胃黏膜病變檢出效能，但在胃癌及GIN鑒別診斷中二者無顯著差異，均表現較好。