NSR投资速递 | 新丝路资本投资企业“影诺医疗”肠镜检查前如何进行肠道准备？人工智能告诉你答案！
发布者： 发布于：2023年03月01日 18:17:45 点击量：0
肠道准备
在2020年，结直肠癌（CRC）是全球第二大癌症死亡原因（9.4%）。发达国家中，每年有60多万患者死于结直肠癌。而内镜检查是发现结直肠癌的重要检测工具！
做过内镜筛查的小伙伴都知道，在肠镜检查之前，必须遵医嘱进行肠道准备。只有肠道准备非常充分，才不会对内镜医生在观察肠道黏膜时造成阻碍而产生误诊、漏诊。
有研究表明，“如果肠道准备不足，二次进行肠镜筛查的间隔时间为270天”，这比澳大利亚癌症委员会指南建议的3年间隔短得多。
如何进行肠道准备 肠镜检查的准确性与治疗的安全性很大程度上取决于肠道准备的质量。清洁的肠道准备可以提高肠镜检查的速度，有效避免漏诊、误诊。那我们该怎样进行一个高质量的肠道准备呢？ 通常会建议肠镜检查前1天进食少渣半流质饮食，便秘患者可提前2-3天进食少渣半流质饮食。另外，还需服用聚乙二醇电解质散与二甲硅油，具体服用方法详见文中。 后续根据排便的情形判断肠道准备是否充分。传统做法是： 1、根据医院分发的《肠道准备手册》中图示自行判断； 2、请医护人员协助判断。 但以上两种方式，可能存在隐患： 1、自行判断可能造成偏颇给内镜检查带来阻碍； 2、请医护人员协助易造成人与人之间的接触和潜在病毒传播。 人工智能辅助肠道准备 为解决以上隐患，由厦门长庚医院吕元博教授团队、南方医科大学深圳医院龚伟教授团队、厦门大学附属中山医院许鸿志教授团队、台湾长庚纪念医院团队以及厦门影诺医疗科技有限公司强强联合，开发了一款人工智能辅助肠道准备判别平台。 该人工智能平台可以帮助患者判断肠道准备是否充分而无需他人介入，既避免了自行判断带来的结果误差，同时避免了潜在的传染性病毒传播。 一项多中心、单盲、随机对照研究展示了该平台在肠道准备效果判断，以及行业标准-波士顿肠道准备评分（BBPS）等方面的优异临床结果：
AI+ | 更精准 | 少感染
目的：充分的肠道准备是肠镜检查成功的关键，而肠镜检查是发现腺瘤和预防结直肠癌所必需的。该研究开发了一个使用卷积神经网络模型（AI-CNN）的人工智能平台，用于肠镜检查前评估肠道准备的质量。
方法：这是一项针对医生单盲的随机研究。入选患者被随机分为试验组和对照组，前者使用我们的AI-CNN模型评价肠道准备的质量（AI-CNN组），后者按常规做法进行自我评价（对照组）。主要结果是两种方法结果之间的一致性。次要结果包括根据波士顿肠道准备评分（BBPS）的肠道准备质量【一般认为BBPS≥6分即为肠道准备充分】、息肉检出率（PDR）和腺瘤检出率（ADR）。
结果：共有1434名患者入选（AI-CNN组，n=730；对照组，n=704）。在BBPS评分所代表的肠道准备充分性方面，两组的评估结果没有显著差异。两组之间的平均BBPS评分、PDR和ADR相似。这些结果表明，AI-CNN模型与常规方法对肠道准备质量的评价基本一致。然而，在AI-CNN组中，结果为“通过”的患者的平均BBPS评分显著高于对照组，这表明AI-CNN模式可能会进一步改善患者的肠道准备质量。
结论：新的AI-CNN模型显示了与常规操作类似的结果，可以作为结肠镜检查前评估肠道准备质量的另一种方法。
看文献 | 学干货 | 懂AI
AI模型训练：训练数据集来自厦门大学中山医院的4302张图像，且采用10倍交叉验证的方法对训练性能进行评估。
入组标准：门诊患者、住院患者或正在接受体检、年龄在18岁至60岁之间、计划进行结肠镜检查并能够使用智能手机扫描二维码的个人都有资格参加。
排除标准：
（1）结肠镜检查的禁忌症；
（2）家族性腺瘤性息肉病；
（3）已知有结直肠息肉；
（4）胃肠道手术史；
（5）无法提供知情同意；
（6）拒绝参加研究。
共1454名患者入选，随机分为AI-CNN组（733例）或对照组（721例），最终对AI-CNN组730例患者与对照组704例患者进行数据分析。
肠道准备说明：
建议所有患者在肠镜检查前一天（24小时）进行低纤维饮食，且每个患者都可收到一份《标准肠道准备说明》，如肠镜检查前推荐的低纤维饮食，肠道准备的重要性，如何准备泻药，以及肠道准备充分性的评估等。且该说明展示了肠道准备质量的照片例子：大便最终应为淡黄色透明液体；如果在液体大便中观察到任何混浊（包括混浊的液体、颗粒或少量粪便），则表示肠道准备不完整。
所有患者在肠镜检查前4-6小时服用聚乙二醇（PEG）电解质散进行肠道清洁：提供4包聚乙二醇散（73.56g/包），并将其与水混合，获得2L溶液。首先以每小时500mL的速度摄入1.5L聚乙二醇，然后以恒定的速度摄入剩余的0.5L聚乙二醇和20mL二甲基硅油。
服用泻药后，所有患者扫描该人工智能平台二维码，拍摄并上传粪便照片：
① AI-CNN组患者自动收到“通过”或“不通过”的评估结果，表明肠道准备是否充分；
② 对照组患者根据《标准肠道准备说明》自己评估肠道准备的充分性。
AI+ | 更精准 | 少感染
AI-CNN组与对照组间一致性：
在“通过”结果的患者中，AI-CNN组和对照组BBPS总分≥6分的患者分别为90.7%和91.5%，因此，两组间在BBPS评分下，肠道准备“充分”和“不充分”两个类别之间的评价结果无显著差异。
肠道准备质量＆检查结果：
-
两组结肠镜检查的质量指标（如盲肠插管时间、退镜时间等）无显著差异。
-
充分肠道准备的患者的比例（BBPS总分≥6）在两组之间无显著差异（AI-CNN：90.3%与对照组：91.5%，p=0.429）。
-
同样，AI-CNN组和对照组之间的平均总BBPS评分和每节段的平均BBPS评分无显著差异。
-
AI-CNN组和对照组在PDR、ADR和检测到的息肉数量方面无显著差异。
亚组分析：
-
在“通过”结果的患者中：AI-CNN组右半结肠的平均BBPS分和总BBPS的平均评分显著高于对照组（总分：7.32vs.7.16，p=0.044；右半结肠：2.33vs.2.26，p=0.04）
-
在“未通过”结果的患者中：AI-CNN组和对照组之间在充足的肠道准备率和每个节段的BBPS评分方面无明显差异。
看文献 | 学干货 | 懂AI
-
规做法相比的一致性即非劣效性。且在PDR、ADR、息肉识别数量方面均无显著差异，表明人工智能与常规指导相结合，可应用于日常内镜检查前的肠道准备。
-
在“通过”亚组中，实验组BBPS总分和右结肠得分显著高于对照组，因此，AI模型应用的评估标准可能比常规自我评估更严格，可能有助于进一步提高肠道清洁质量。
-
有研究表明，较高质量的肠道清洁度有助于提高ADR。但本研究中，两个“通过”亚组的肠道准备质量均较高（AI-CNN组和对照组的平均BBPS分别为7.32和7.16），差异小，不会导致ADR的差异。
-
本平台在一定程度上减少了医院护士人力的消耗。
-
这是一项帮助患者在肠道准备过程中做出决策的新研究，获得了与常规实践类似的结果，可以作为结肠镜检查前评估肠道准备质量的另一种方法，早期结果令人振奋。
【参考文献】
1. Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: A Cancer Journal for Clinicians 2021;
2. Lieberman DA, Rex DK, Winawer SJ, et al. Guidelines for colonoscopy surveillance after screening and polypectomy: a consensus update by the US Multi-Society Task Force on Colorectal Cancer. Gastroenterology 2012;143:844-857;
3. Richter JM, Campbell EJ, Chung DC. Interval colorectal cancer after colonoscopy. Clin Colorectal Cancer 2015;14:46-51;
4. Yang-Bor Lu, Si-Cun Lu, Yung-Ning Huang, Shun-Tian Cai, Puo-Hsien Le, et al. A Novel Convolutional Neural Network Model as an Alternative Approach to Bowel Preparation Evaluation Before Colonoscopy in the COVID-19 Era: A Multicenter, Single-Blinded, Randomized Study, American Journal of Gastroenterology 2022 .
（文：转自影诺医疗官微）
