2025超声内镜人工智能系统临床应用专家共识.docx

2025超声内镜人工智能系统临床应用专家共识

一、前言

超声内镜(EUS)在诊断和治疗消化系统疾病方面具有重要意义，尤其在肝胆胰系统病灶及消化道黏膜下肿瘤(SMT)的诊断、胃肠道早期癌浸润深度的评估、纵隔病变的活检等方面具有独特优势。利用EUS评估此类疾病对选择合适的治疗方式及改善患者预后至关重要。

然而，传统EUS检查依赖于操作医师的经验和技能水平，在图像识别能力和诊断一致性方面存在较大差异，导致病变漏诊率和误诊率居高不下。此外，与胃镜或结肠镜检查相比，EUS检查对内镜医师的熟练度要求更高，EUS专家通常集中在高级医疗中心，大部分地区和中心缺乏足够的EUS经验，从而导致病变检出不足或误诊；即使是EUS专家，疲劳和粗心有时也会导致病变漏诊。在发达国家，EUS是成熟的技术。然而，许多发展中国家的EUS服务相当短缺，在一项对南亚和东南亚内镜医师的调查中，

设备成本过高和缺乏操作EUS的内镜医师是EUS发展的主要障碍。EUS在中国也是一种相对较新、不断新兴的技术，截至2019年，中国能够开展EUS的医院有1000余家，能够操作EUS的内镜医师仅有4000余名，EUS技术的基础相对薄弱。

为了解决这一问题，人工智能(AI)技术被引入到EUS领域。AI技术，特别是深度学习和图像识别算法，能够从大量的医学图像数据中学习

和提取特征，提高EUS影像的分析和诊断准确性。近年来，国内外学者在EUSAI辅助诊断方面取得了显著进展，AI技术在质量控制、病变识别和诊断等方面表现出高效性和准确性。多项临床试验进一步验证了AI辅助EUS在提高诊断效率、减少漏诊率和降低医师操作负担等方面的潜力。本共识旨在综合现有研究证据，为临床医师在应用EUSAI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,outcomes,

comparisons)原则提出陈述意见，参考GRADE(gradingof

recommendations,assessment,development,andevaluation)系统评估证据质量(表1)和推荐强度(表2),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。共识陈述汇总见表3。

表1证据质量分级标准

证据质

等

定义

量

级

高等质

量

A

非常确信估计的效应值接近真实效应值，进一步研究也不可能改变其可信度

中等质

B

量

低等质

C量

很低等

D

质量

对估计的效应值确信度中等，其有可能接近真实效应值，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，其与真实效应值可能大不相同，进一步研究极有可能改变其可信度

对估计的效应值几乎没有信心，其与真实效应值很可能完全不同，对其的任何估计都很不确定

表2推荐强度分级标准

推荐

等

定义

强度

级

强

1

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

弱

2

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超声内镜人工智能系统临床应用专家共识陈述汇总

推荐意见

一、AI辅助EUS质量控制

证据

质量

推荐强度

共识水平

(%)

陈述1:对于消化道、纵隔、胆道、胰腺EUS扫查，推荐AI辅助实时监测标准图像作为质量控制工具

A

强

100.00

二、AI辅助诊断SMT

陈述2:对于SMT,推荐使用AI辅助EUS判别病变起源层次

B

强

100.00

陈述3:对于SMT,推荐使用AI辅助EUS预测病变的组织类型

C

弱

72.22

三、AI辅助判别早期胃癌浸润深度

陈述4:对于早期胃癌病变，可使用AI辅助EUS判别病变浸润深度

C

弱

77.78

四、AI辅助诊断肝胆胰病变

陈述5:推荐在EUS检查中，使用AI辅助检出胰腺病变，预测病变病理性质

A

强

100.00

陈述6:推荐在EUS检查中，使用AI辅助检出肝脏病变，预测病变病理性质

C

弱

83.33

陈述7:推荐在EUS检查中，使用AI辅助检出胆道系统病变，预测病变病理性质五、AI辅助RO