上消化道内镜人工智能系统临床应用专家共识2024（完整版）.docxVIP

上消化道内镜人工智能系统临床应用专家共识2024(完整版)

食管癌和胃癌是严重危害我国患者生命健康的重大疾病，早诊早治是改善其预后及生活质量的主要策略。此外，消化道癌前病变如萎缩性胃炎、胃黏膜肠上皮化生，以及消化道危急重症如食管胃静脉曲张亦于临床十分常见，对此类疾病早期、准确的诊断有益于保障患者生命健康安全，

具有重要意义。

食管胃十二指肠内镜(esophagogastroduodenoscope,EGD)是诊断上消化道肿瘤、上消化道癌前病变及危急重疾病的临床一线工具，利用白光内镜、图像增强内镜、化学染色等方式，可早期发现上消化道肿瘤及癌前病变，阻止疾病的进展，亦可准确诊断食管胃静脉曲张等危急

重疾病，并针对以上疾病进行镜下分级，支撑临床医师进行后续治疗方

案的决策。

然而，在我国消化疾病诊疗领域，仍长期存在早期消化道肿瘤及癌前病变漏诊率居高不下、非肿瘤性病变诊断一致性差等问题。程树红等分析93例早期胃癌数据，发现早期胃癌漏诊率高达37.63%;赵书阳等分析297例反复长期出现上消化道症状的患者资料，经病理检查发现199例早期胃癌及癌前病变，而常规EGD检查漏诊了其中的98例，漏诊率近50%,即使在应用放大染色内镜后漏诊率仍有6%。另有一项研究收集370例病理证实胃癌前病变患者，发现上述患者EGD下漏诊或可疑漏诊率达31.67%。据调查，我国2012年有超过6000家医疗机构

开展消化内镜诊疗，全年开展消化内镜诊疗接近3000万例，而消化

内镜医师不足3万人，占全部注册执业医师的1%,每100万人口拥有消化内镜医师不足20人。随着技术的快速推广和人民群众健康需求的提升，尽管我国近年来消化内镜诊疗机构数量和诊疗量飞速上升，但医患比例的绝对不均衡现象依然严峻。因此，亟须探索内镜诊疗领域的新

技术、新应用，以助解决我国消化内镜诊疗的上述关键性问题。

人工智能(artificialintelligence,AI)技术是指模拟人类智慧的技术和方法，其核心目标是使机器能够执行通常需要人类智慧的任务，近年来在医疗领域广泛应用。深度学习技术是AI的分支，在图像识别任务中具有较强能力。近年来，中外学者就AI在EGD的探索和应用中取得众多先进性成果，覆盖了EGD检查的方方面面，并就AI应用于临床实践的有效性、安全性开展临床试验，收效显著,引发国内外专家学者对AI进入真实医疗环境的讨论和思考，并提出众多积极的建议和展望。AI设备引入临床已是大势所趋。本共识旨在综合现有研究证据，为临床医师在应用EGDAI辅助模型时提供决策参考。本共识并非强制性标准，无法涵盖或解决所有技术相关的临床问题。建议临床医师在面对具体患者时，应充分了解目前能够获取的最佳临床证据，结合患者病

情和治疗意愿，根据自己的专业知识、临床经验和可获得的医疗资源，

制定临床决策。

本共识基于PICO(participants,interventions,comparisons,

outcomes)原则提出陈述意见，参考GRADE(gradingof

recommendations,assessment,development,andevaluation)

系统对证据质量(表1)和推荐强度(表2)进行分级。采用改良Delphi

方法由专家投票表决达成共识：(1)完全同意；(2)同意，有较小保

留意见；(3)同意，有较大保留意见；(4)不同意。投票表决意见中

(1)+(2)比例80%属于达成共识，共识水平以表决意见中的(1)

+(2)比例表示。最终，本共识最终达成80%以上共识水平的推荐意

见共13项(表3)。

表1证据质量的推荐分级评估、制定和评价

证据

等

定义

质量

级

高等

A

非常确信估计的效应值接近真实效应值，进一

质量

步研究也不可能改变其可信度

中等

B

对估计的效应值确信度中等，其有可能接近真

质量

实效应值，进一步研究有可能改变其可信度

对估计的效应值确信度有限，其与真实效应值

低等

C

可能大不相同，进一步研究极有可能改变其可

质量

信度

很低

对估计的效应值几乎没有信心，其与真实效应

等质

D

值很可能完全不同，对其的任何估计都很不确

量

定

表2推荐强度分级

推荐

定义

强度

强弱

明确显示干预措施利大于弊或者弊大于利，在大多

数情况下适用于大多数患者

利弊不确定，或无论质量高低证据均显示利弊适当，适用于很多患者，但根据患者价值观与偏好性会有

差异

表3上消化道内镜人工智能系统临床应用专家共识陈述汇总