2025 ESGE立场声明：计算机辅助结肠镜检查在结直肠癌筛查和监测

一、AI 辅助结肠镜检查的技术定位

1. 核心价值
   计算机辅助检测（CADe）通过实时分析内镜图像，可显著提高腺瘤检出率（ADR），尤其对直径≤5mm 的微小腺瘤（敏感性提升 45%）。例如，GI Genius 系统在西班牙国家医疗体系中使每位患者平均腺瘤检出数从 1.21 增加至 1.56，且通过 “诊断不切除” 策略减少了 37% 的不必要息肉切除。
2. 技术局限性
   • 漏诊与过度诊断：尽管 AI 可降低漏诊率，但可能导致良性病变（如增生性息肉）的过度切除。研究显示，AI 辅助组良性病变切除率比传统组高 48%（12.4% vs 8.4%），可能增加医疗成本和操作风险。
   • 证据强度：目前缺乏长期数据证明 AI 可降低结直肠癌发病率或死亡率，对患者生存质量的绝对获益尚不明确。

二、ESGE 的核心推荐

1. 适用场景
   • 弱推荐：对于已决定接受结肠镜筛查或监测的患者，可考虑使用 CADe 辅助技术，但需结合患者价值观和医疗资源权衡。
   • 优先人群：
     • 经验不足的内镜医师（如年结肠镜操作量＜100 例）。
     • 高风险患者（如家族性腺瘤性息肉病、 Lynch 综合征）。
     • 复杂病例（如肠道准备不佳、解剖结构异常）。
2. 实施建议
   • 系统选择：优先使用经多中心验证的 CADe 系统（如 GI Genius、Endoscreener），其腺瘤检出率提升幅度需≥15% 且假阳性率＜5%。
   • 操作规范：
     • 维持退镜时间≥6 分钟，避免因 AI 提示导致操作仓促。
     • 对 AI 标记的病变需结合白光、窄带成像（NBI）等多模态评估，避免单纯依赖 AI 提示。
   • 患者沟通：需告知患者 AI 可能增加良性病变切除风险，并签署知情同意书。
3. 资源配置
   • 成本效益：在高筛查负荷地区（如年结肠镜量＞5000 例），CADe 的长期成本效益优于传统结肠镜（每例节省 208 欧元）。
   • 设备维护：建议每季度对 AI 系统进行性能验证，确保图像识别准确率≥95%。

三、争议与挑战

1. 技术依赖风险
   研究发现，长期使用 AI 可能导致内镜医师视觉敏锐度下降。例如，在 AI 辅助组中，医师对非标记病变的识别率降低 12%。ESGE 建议定期开展 “盲测” 以评估医师独立诊断能力。
2. 培训与认证
   • 医师培训：使用 CADe 的内镜医师需完成至少 10 例模拟训练及 50 例临床带教，重点掌握 AI 假阳性识别（如粪便、血管伪影）。
   • 质量控制：医疗机构需建立 AI 辅助结肠镜检查的专项质控指标，包括腺瘤检出率、假阳性率、操作时间变异系数等。
3. 伦理与法律
   • 责任界定：若 AI 漏诊导致患者预后不良，责任归属需在医疗合同中明确。
   • 数据隐私：AI 系统存储的内镜图像需符合 GDPR 标准，禁止用于非医学目的的数据分析。

四、未来研究方向

1. 技术优化
   • 多模态 AI：整合白光、NBI、共聚焦激光显微内镜（CLE）图像，提升腺瘤与增生性息肉的鉴别能力（目前准确率约 83%）。
   • 实时病理预测：开发基于 AI 的组织学类型预测模型，减少不必要的活检（目标准确率≥90%）。
2. 临床转化
   • 长期随访：需开展 10 年以上队列研究，验证 AI 对结直肠癌发病率和死亡率的影响。
   • 特殊人群：探索 AI 在炎症性肠病相关结直肠癌、遗传性息肉病中的应用价值。
3. 卫生经济学
   • 比较 CADe 与其他筛查手段（如粪便 DNA 检测、虚拟结肠镜）的成本效益比，制定分层筛查策略。

五、总结