計(jì)算機(jī)輔助診斷在結(jié)腸鏡檢查中的應(yīng)用

甘建琛，張明慶，秦海，張錫朋

結(jié)直腸癌是全球常見的惡性腫瘤之一，其中約90%由腺瘤發(fā)展而來，從腺瘤發(fā)展成浸潤性癌約需10年或更久時(shí)間[1]。結(jié)直腸癌可以通過結(jié)腸鏡檢查早期發(fā)現(xiàn)，并通過切除腺瘤而有效預(yù)防。美國一項(xiàng)大型隊(duì)列研究顯示，結(jié)腸鏡檢查后結(jié)直腸癌的死亡率降低約70%[2]。但由于內(nèi)鏡醫(yī)師技術(shù)水平的差異，結(jié)腸鏡檢查腺瘤檢出率并不一致。有研究表明，結(jié)腸鏡檢查中腺瘤檢出率與結(jié)腸鏡檢查后結(jié)直腸癌的發(fā)生率和死亡率呈負(fù)相關(guān)[3]。因此，結(jié)腸鏡檢查的質(zhì)量控制對結(jié)直腸癌的早期診治意義重大。

此外，結(jié)腸息肉分類診斷的準(zhǔn)確性同樣與結(jié)腸鏡檢查的質(zhì)量相關(guān)，包括癌前病變與非腫瘤性病變的鑒別，以及癌黏膜下浸潤的評估。通常采用目視檢查判斷息肉的病理學(xué)類型，以決定是否切除。在沒有病理評估的情況下可放棄大多數(shù)微小病變，以最小的風(fēng)險(xiǎn)節(jié)省大量成本。美國胃腸內(nèi)鏡學(xué)會提出，當(dāng)采用目視檢查方法診斷時(shí)，如果小的直腸乙狀結(jié)腸腺瘤準(zhǔn)確率達(dá)到＞90%，“診斷和保留”策略是允許的[4]。但結(jié)腸鏡的目視檢查高度依賴內(nèi)鏡醫(yī)師的經(jīng)驗(yàn)，因此越來越多的內(nèi)鏡醫(yī)師建議進(jìn)行內(nèi)鏡檢查質(zhì)量評估，以提高結(jié)腸鏡下目視檢查的水平。

結(jié)腸鏡檢查的計(jì)算機(jī)輔助診斷（computer-aided diagnosis，CAD）一直是人工智能研究的熱點(diǎn)。但由于計(jì)算機(jī)算法和能力的原因，長期以來局限于工程領(lǐng)域的基礎(chǔ)性研究。隨著深度學(xué)習(xí)算法的出現(xiàn)和計(jì)算機(jī)運(yùn)算能力的顯著提高，結(jié)腸鏡檢查的CAD正在成為現(xiàn)實(shí)[5]。CAD可以通過實(shí)時(shí)顯示提示內(nèi)鏡醫(yī)師注意可能被忽略的息肉，提高腺瘤檢出率；還可以加快對結(jié)直腸息肉進(jìn)行準(zhǔn)確的光學(xué)活檢表征，如為非腫瘤性息肉，可以減少不必要的息肉切除。本文就CAD在結(jié)腸鏡檢查中的研究進(jìn)展作一綜述。

1 結(jié)直腸息肉的自動(dòng)檢測

2003年，2 個(gè)小組報(bào)道了在白光結(jié)腸鏡圖像中應(yīng)用計(jì)算機(jī)檢測息肉的初步研究，2 項(xiàng)研究均是基于小波變換作為提取圖像的分類器，在初步設(shè)置時(shí)具有良好的準(zhǔn)確率（＞90%）[6-7]。在此之后，其他小組將各種設(shè)計(jì)思想和技術(shù)修改應(yīng)用到診斷算法中。這些修改后的模型大多利用公共息肉數(shù)據(jù)庫，如CVC-ColonDB 和ASU-Mayo 的圖像進(jìn)行評估，敏感度為48%～90%[8-11]，但這些數(shù)據(jù)庫多是少于20個(gè)息肉的有限數(shù)量的圖像，因此對檢測結(jié)果應(yīng)謹(jǐn)慎看待。一項(xiàng)利用含有31 個(gè)息肉的24 個(gè)原始視頻制作的能量圖，得到了令人滿意的結(jié)果，敏感度和特異度超過70%[12]。然而，有多種因素可能會影響這種“手工”算法的實(shí)際效果，包括計(jì)算速度、計(jì)算機(jī)的運(yùn)算能力、相對較低的敏感度以及由血管、殘余糞水和皺褶引起的假陽性。

上述狀況隨著深度學(xué)習(xí)的出現(xiàn)而有所改變。最近發(fā)表了3項(xiàng)利用深度學(xué)習(xí)實(shí)現(xiàn)息肉自動(dòng)檢測的研究。Misawa 等[13]開發(fā)了一個(gè)幾乎可以實(shí)時(shí)自動(dòng)檢測息肉的三維卷積網(wǎng)絡(luò)模型，該模型由三維卷積神經(jīng)網(wǎng)絡(luò)驅(qū)動(dòng)的計(jì)算機(jī)算法，通過輸出內(nèi)鏡圖像四角的顏色來提示息肉的存在；內(nèi)鏡仍然需要對息肉進(jìn)行定位，但由于息肉沒有覆蓋矩形，因此不影響息肉的特征描述，以50個(gè)息肉視頻和85個(gè)非息肉視頻作為測試集，敏感度為90%，特異度為63%。隨后，Urban 等[14]開發(fā)了一種新的 CAD 模型，在實(shí)驗(yàn)條件下有非常好的診斷能力，其診斷準(zhǔn)確度達(dá)到96%，利用9 個(gè)視頻對評估算法的有效性進(jìn)行評估，結(jié)果表明使用CAD比不使用CAD多識別出9個(gè)息肉（45個(gè)vs.36個(gè)）。Wang等[15]利用另一種CAD模型對1 138例患者的27 113 張靜態(tài)圖像，以及來自111 例患者的138 個(gè)息肉的視頻記錄進(jìn)行分析，并將54 個(gè)結(jié)腸鏡檢查的視頻記錄作為測試集，其敏感度和特異度均達(dá)到90%。

最近，Wang 等[16]報(bào)告了第一項(xiàng)前瞻性、隨機(jī)對照研究的結(jié)果，該研究使用基于深度學(xué)習(xí)的高性能CAD 系統(tǒng)，可以有效處理以前未識別的息肉，1 058例患者經(jīng)過隨機(jī)分組，536例接受標(biāo)準(zhǔn)結(jié)腸鏡檢查，522 例接受CAD 結(jié)腸鏡檢查，結(jié)果顯示CAD 能顯著提高腺瘤檢出率（29.1%vs.20.3%，P＜0.001），提高患者的平均腺瘤檢出數(shù)（0.53 個(gè)vs.0.31 個(gè)，P＜0.001）。此外，增生性息肉的檢出量也顯著提高（114個(gè)vs.52個(gè)，P＜0.001）。

2 CAD在息肉分型技術(shù)中的應(yīng)用

2.1 放大窄帶成像內(nèi)鏡 Tischendorf 等[17]和Gross等[18]報(bào)道了 CAD 在放大窄帶成像（narrow band imaging，NBI）中的應(yīng)用，他們使用了類似的算法，該算法從放大的NBI 圖像中提取9 個(gè)血管特征，如長度、亮度、周長的序列，使用支持向量機(jī)將這些特征分為兩類病理預(yù)測（即腫瘤或非腫瘤）。Gross 等[18]的數(shù)據(jù)顯示CAD 的準(zhǔn)確率為93.1%，優(yōu)于普通內(nèi)鏡醫(yī)師（非專家）的診斷準(zhǔn)確率，證實(shí)CAD可以為內(nèi)鏡經(jīng)驗(yàn)不足者提供有力的支持。在此之后，日本的一個(gè)研究小組在CAD 模型的開發(fā)中取得了重要的進(jìn)展，與以往的研究不同，他們采用了直方圖的視覺單詞算法，使圖像分析系統(tǒng)更加高效，從而有助于息肉病理的實(shí)時(shí)預(yù)測[19-20]。Kominami等[20]對放大NBI的CAD 模型進(jìn)行了前瞻性評價(jià)，在該研究中，41 例患者的118 個(gè)結(jié)腸病變在結(jié)腸鏡檢查中進(jìn)行了實(shí)時(shí)CAD 評估，CAD 診斷準(zhǔn)確率為93.2%；92.7%的病例中，基于病理檢查的結(jié)腸鏡隨訪建議與基于實(shí)時(shí)CAD 預(yù)測病理的結(jié)腸鏡隨訪建議相一致，符合“切除-丟棄”策略的標(biāo)準(zhǔn)。Byrne 等[21]使用125 個(gè)包含小息肉的內(nèi)鏡下未經(jīng)修改的視頻評估了他們的模型，發(fā)現(xiàn)其中19個(gè)息肉的組織學(xué)結(jié)果無法通過該模型預(yù)測，其余106 個(gè)小息肉利用該模型鑒別腺瘤的敏感度為98%，特異度為83%。同樣，Chen等[22]使用284個(gè)小息肉評估了他們的CAD模型，該模型鑒別腫瘤或增生性息肉的敏感度為96.3%，特異度為78.1%。

2.2 放大內(nèi)鏡 放大內(nèi)鏡可以幫助內(nèi)鏡醫(yī)師識別結(jié)直腸息肉的表面結(jié)構(gòu)，有助于準(zhǔn)確預(yù)測凹陷型息肉的分類（敏感度97.8%，特異度91.4%）[23]。凹陷型息肉分類診斷的CAD 系統(tǒng)一般采用定量分析凹陷型息肉結(jié)構(gòu)，或?qū)φ麄€(gè)內(nèi)鏡圖像進(jìn)行紋理分析。第一種方法是基于凹陷型息肉結(jié)構(gòu)的提取，然后自動(dòng)定量評估，如面積、周長、大小擬合橢圓、圓度等。Takemura等[24]應(yīng)用該方法對134枚凹陷型息肉進(jìn)行CAD 診斷，其總體診斷正確率達(dá)到98.5%。Hafner等[25]描述了另一種方法——紋理分析，這是一種小波域紋理圖像特征的算法，用于484 枚凹陷型息肉的分類診斷，其最高總精確度為97.73%，留一法驗(yàn)證的總精確度為99.59%。以上兩種用于凹陷型息肉分類的CAD 模型在研究中顯示出了很好的診斷準(zhǔn)確性，但仍需進(jìn)行進(jìn)一步的評價(jià)。

2.3 細(xì)胞學(xué)內(nèi)鏡 細(xì)胞學(xué)內(nèi)鏡（H290ECI；奧林巴斯）以及共聚焦激光顯微內(nèi)鏡（Cellvizio；Mauna Kea技術(shù)公司）是新型的體內(nèi)接觸顯微成像系統(tǒng)，它們能在結(jié)腸鏡檢查時(shí)分別提供500 倍或1 000 倍的實(shí)時(shí)細(xì)胞學(xué)圖像[26]，這些聚焦的、固定大小的圖像有助于CAD進(jìn)行圖像分析，因此這些設(shè)備是與CAD系統(tǒng)結(jié)合的理想選擇。Mori等[27-28]對CAD在細(xì)胞學(xué)內(nèi)鏡中的應(yīng)用進(jìn)行了深入的研究，通過多個(gè)模型的探索，大大提高了腫瘤性病變診斷的敏感度和特異度。Mori等[29]最近進(jìn)行了一項(xiàng)更大規(guī)模的前瞻性研究，以探索細(xì)胞學(xué)內(nèi)鏡中CAD系統(tǒng)的有效性，該研究納入了791 例患者，使用 CAD 評估了 466 個(gè)小息肉，其中小型直腸乙狀結(jié)腸腺瘤的陰性預(yù)測值為93.7%。

2.4 共聚焦顯微內(nèi)鏡 目前有4 項(xiàng)研究對CAD 在共聚焦顯微內(nèi)鏡中的應(yīng)用進(jìn)行了評估，其中2 項(xiàng)研究側(cè)重于自動(dòng)病理預(yù)測。Andre 等[30]報(bào)道腺瘤與非腫瘤性息肉的鑒別準(zhǔn)確率為89.6%，而Stefanescu等[31]報(bào)道晚期結(jié)直腸癌與正常結(jié)腸黏膜鑒別準(zhǔn)確率為84.5%。另有2項(xiàng)研究針對定量圖像質(zhì)量優(yōu)化，有助于醫(yī)生分析共聚焦顯微內(nèi)鏡下圖像[32-33]。

2.5 激光熒光光譜 激光熒光光譜的CAD 系統(tǒng)通過分析吸收了誘導(dǎo)激光的組織發(fā)出的光，預(yù)測息肉的病理分型。檢查過程中，內(nèi)鏡醫(yī)師可以識別微小的息肉，通過CAD 實(shí)時(shí)評估預(yù)測病理，并在必要時(shí)用活檢鉗切除，以獲得病理診斷。Kuiper 等[34]的前瞻性研究中，該CAD系統(tǒng)識別小腺瘤的陰性預(yù)測值為73.5%。后續(xù)Rath等[35]報(bào)道的一項(xiàng)單中心前瞻性試驗(yàn)，包括27例患者的137個(gè)小型息肉，其識別腺瘤性息肉的陰性預(yù)測值為96.1%。

2.6 白光內(nèi)鏡 白光內(nèi)鏡是目前應(yīng)用最廣泛的內(nèi)鏡檢查方式，因此白光內(nèi)鏡下CAD指導(dǎo)息肉的分類診斷具有重要意義。但這一檢查方式達(dá)到較高的精確度并不容易。Komeda 等[36]對白光內(nèi)鏡應(yīng)用了一種深度學(xué)習(xí)算法，其準(zhǔn)確率約為75.1%，低于CAD在其他檢查技術(shù)中的應(yīng)用。因此，CAD 在白光內(nèi)鏡中的應(yīng)用需要進(jìn)行更深入的研究。但鑒于白光內(nèi)鏡的診斷效果通常不如NBI 或放大內(nèi)鏡檢查，因此針對這一方向的努力似乎值得懷疑。歐洲胃腸內(nèi)鏡學(xué)會（ESGE）建議“使用經(jīng)過驗(yàn)證的分類系統(tǒng)來支持在上消化道和下消化道使用先進(jìn)的內(nèi)鏡成像進(jìn)行光學(xué)診斷（強(qiáng)烈推薦，中等質(zhì)量的證據(jù)）”[37]。

3 展望

結(jié)腸鏡檢查中CAD 的應(yīng)用為內(nèi)鏡檢查質(zhì)量的提高，特別是腺瘤檢出率的提高和息肉病理學(xué)分類的預(yù)測方面開拓了嶄新的視野，但這一技術(shù)的廣泛應(yīng)用仍然缺乏足夠的循證醫(yī)學(xué)證據(jù)支持。僅僅基于回顧性的研究結(jié)論，可能會有比較大的選擇偏倚，精心設(shè)計(jì)的前瞻性研究比回顧性研究的結(jié)論更可靠，但目前前瞻性研究的數(shù)量及病例數(shù)量仍舊有限。因此如何通過大樣本、多中心的前瞻性研究，驗(yàn)證CAD在結(jié)腸鏡檢查中的應(yīng)用價(jià)值是今后的研究重點(diǎn)。隨著人工智能的進(jìn)步和內(nèi)鏡檢查技術(shù)的不斷更新，CAD技術(shù)必將對包括結(jié)腸鏡在內(nèi)的內(nèi)鏡檢查產(chǎn)生深遠(yuǎn)的影響。