胶囊内镜人工智能系统临床应用专家共识（2024，上海）.pdfVIP

胶囊内镜人工智能系统临床应用专家共识（2024，上海）

【提要】胶囊内镜是诊断小肠疾病的一线检查方式，磁控胶囊内镜在上消化道

疾病诊断中的地位也日益凸显。人工智能技术在胶囊内镜的质量控制和辅助诊断

中起到了重要作用，但目前国内外尚无胶囊内镜人工智能系统应用的相关共识。

2024年中华医学会消化内镜学分会组织全国领域内权威专家讨论，结合国内外

最新循证医学证据，形成胶囊内镜人工智能系统临床应用专家共识，旨在为内镜

医师应用胶囊内镜人工智能系统提供全面合理的决策证据。本共识包括人工智能

在胶囊内镜检查质量控制、消化道病灶辅助识别、小肠出血性病变诊断、克罗恩

病诊断及结肠隆起性病灶诊断等方面的9条推荐意见陈述。

【关键词】人工智能；胶囊内镜；中国；专家共识

一、前言

胶囊内镜（capsuleendoscopy，CE）是一种无创、便携、可视化的消化道

检查方法。该技术通过让患者吞服一个配备摄像头和无线传输装置的微型胶囊，

对消化道进行连续图像采集［1-2］。与传统内镜相比，胶囊内镜具有无创、患

者接受度高、操作简便以及检查范围广等优势，避免了传统机械插入式内镜检查

带来的痛苦，尤其适用于常规内镜难以到达的小肠管腔检查。其主要适应证包括

小肠出血、不明原因贫血和腹痛、克罗恩病以及小肠肿瘤的检测［3-4］，是诊

断小肠疾病的一线检查方案［5］。

尽管胶囊内镜在消化道检查中的表现优于其他体外替代成像技术，但传统的

人工阅片仍存在漏诊率偏高、阅片时间长等问题，在血管性病变、溃疡和肿瘤性

病变等方面，其漏诊率分别为5.9%、0.5%和18.9%［6］，这揭示了胶囊内镜在

临床应用中可能面临以下挑战：首先，胶囊内镜捕获的图像分辨率相对较低，这

可能导致内镜医师难以准确识别细微的黏膜病变或表观特征不明显的早期病变；

其次，胶囊在消化道内的位置和移动速度不可控，部分区域可能无法被充分观察，

导致潜在病灶的遗漏；再次，胶囊内镜检查生成的大量视频和图像资料需要医师

花费大量时间和精力阅片，且因长时间阅读和注意力局限，可能导致漏诊和误诊。

因此，如何提升医师对于胶囊内镜影像的阅片效率、降低漏诊率、优化操作流程

以及提高胶囊内镜影像的质量，是亟待解决的重要问题。

近年来，人工智能（artificialintelligence，AI）技术在消化道成像领

域应用取得了显著进展，尤其是卷积神经网络（convolutionalneuralnetwor

ks，CNN）等深度学习算法在胃肠道病灶检测任务中展现出了与专业内镜医师相

当的能力［7-8］。AI在胶囊内镜领域展现出广阔的应用前景，能够快速处理

和分析大量影像数据，并做出准确的预测。目前，国内外已有大量研究探索了A

I在胶囊内镜中的潜力，其在病灶识别、图像分类和辅助诊断等方面的作用令人

瞩目。这些研究不仅推动了胶囊内镜技术的发展，也为未来智能化诊断系统的普

及奠定了坚实基础。随着技术的不断成熟，AI有望成为胶囊内镜的重要辅助工

具，进一步提升临床诊断的精准性和效率。本共识旨在综合现有研究证据，为临

床医师在应用胶囊内镜AI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。

本共识基于研究对象、干预措施、对照措施、结局（participants，inter

ventions，comparisons，outcomes，PICO）原则提出陈述意见［9］，参考推荐

等级的评估、制定与评价（gradingofrecommendations，assessment，devel

opment，andevaluation，GRADE）系统对证据质量（表1）和推荐强度（表2）

进行分级［10］，采用改良Delphi方法（表3）由专家投票表决达成共识。其

中，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（表4）。

二、胶囊内镜AI系统功能

（一）AI辅助胶囊内镜质量控制

【陈述1】对于胶囊内镜检查阅片，建议使用AI以提升阅片效率。（证据

质量：B；推荐强度：1；共识水平100%）

胶囊内镜因其无痛、无创、无交叉感染风险的特性，已发展成为筛查消化道

疾病的可靠方法［11-12］。然而，胶囊内镜检查产生的海量图像数据给人工阅

片带来了巨大挑战，不