人工智能辅助结肠镜对胃肠病学专科医师表现的影响：一项实用性随机对照试验

　　为解决结肠镜检查中腺瘤漏诊率高（尤其右半结肠）的临床难题，研究人员开展了一项AI辅助结肠镜对培训医师操作表现的随机对照研究。结果显示AI组右半结肠腺瘤检出率（RADR）显著提升7.6%（P<0.05），筛查病例中RADR差异达21.0%，且不延长操作时间，为规范化培训提供了新技术路径。

　　

在结直肠癌筛查体系中，结肠镜检查始终扮演着"金标准"的角色，但其背后却隐藏着不容忽视的技术局限——高达20%-30%的腺瘤漏诊率，其中右半结肠更是漏诊的"重灾区"。这种漏诊直接导致间期癌（interval cancer）的发生，即患者在接受"阴性"结肠镜检查后较短时间内被诊断出结直肠癌。对于正处于培训阶段的胃肠病学专科医师（gastroenterology fellows）而言，由于操作经验不足和病变识别能力尚在培养期，其腺瘤检出率（Adenoma Detection Rate, ADR）往往低于资深专家，这进一步加剧了质量控制难题。

尽管人工智能（Artificial Intelligence, AI）辅助结肠镜技术已在多项研究中展现出提升病变检出能力的潜力，但既往研究多聚焦于经验丰富的内镜医师。在真实的临床教学场景中，AI技术能否同样有效提升培训医师的操作表现？其对于不同解剖部位（尤其是右半结肠）的病变检测效果如何？这些问题的答案对于优化专科医师培训体系、标准化结肠镜质量控制指标具有重大意义。为此，由Patrick W. Chang、Denis D. Nguyen、James L. Buxbaum等学者组成的团队开展了一项实用性随机对照试验（pragmatic randomized controlled trial），其研究成果正式发表于《Gastrointestinal Endoscopy》。

研究团队采用实用性随机对照设计，于2023年3月至10月期间，将16名胃肠病学专科医师每日随机分配至AI辅助结肠镜检查室或常规结肠镜（Conventional Colonoscopy, CC）检查室进行操作。研究纳入了由这些培训医师连续执行的所有结肠镜检查病例，但排除了上级医师介入操作、肠道准备不充分以及检查未完成（未达回盲部）的病例。主要评价终点为腺瘤检出率（ADR），即检测到至少一枚腺瘤的检查例数所占比例。次要终点包括右半结肠腺瘤检出率（Right-Sided ADR, RADR）、左半结肠腺瘤检出率（Left-Sided ADR, LADR）、息肉检出率（Polyp Detection Rate, PDR）以及操作时间（从插入到退镜）和退镜时间（从回盲部到退镜完成）。数据分析采用广义线性模型（Generalized Linear Models）估计AI组与CC组之间的平均差异及其95%置信区间。

主要研究结果

共计1,045例结肠镜检查被纳入最终分析。总体腺瘤检出率（ADR）在AI组为40.5%±3.9%，在CC组为35.0%±3.6%，两组间平均差异为5.5%（95% CI: -4.3%至15.3%），未达到统计学显著性。然而，右半结肠腺瘤检出率（RADR）表现出显著差异：AI组为24.1%，CC组为16.5%，平均差异达7.6%（95% CI: 1.7%至13.5%），提示AI辅助技术对右半结肠病变的检测具有明确增益效果。

亚组分析结果

在130例筛查性结肠镜中，AI组的ADR为49.1%，CC组为26.7%，两组差异为22.3%（95% CI: -2.7%至47.4%）；而RADR的组间差异更为显著：AI组为35.1%，CC组为13.7%，平均差异达21.0%（95% CI: 7.6%至35.2%）。进一步分析显示，AI辅助技术对低年资医师（第一年和第二年fellow）的提升效果尤为突出。此外，两组在操作时间和退镜时间上无显著差异，表明AI的引入并未延长检查过程。

该研究通过严格的随机对照设计证实，人工智能辅助结肠镜可显著提高培训医师在右半结肠的腺瘤检出能力，尤其在筛查性结肠镜和低年资医师群体中效果更为明显。尽管总体ADR未呈现显著差异，但RADR的显著提升具有重要临床意义，因为右半结肠病变的漏诊与间期癌的发生密切相关。此外，AI技术并未延长操作时间，说明其可整合于临床工作流程而不影响效率。

本研究首次在真实的专科医师培训场景中验证了AI辅助技术的应用价值，为结肠镜质量控制的标准化培训提供了新思路。作者提出，AI辅助结肠镜可作为一种有效的教学工具，帮助培训医师更快掌握病变识别技能，尤其针对解剖难度较高、漏诊风险较大的右半结肠。该技术不仅有助于缩小培训医师与资深专家之间的操作差距，也为结直肠癌筛查质量的均质化提升提供了技术保障。未来研究可进一步探索AI在不同培训阶段、不同病变形态中的差异化作用，以及其长期对临床结局的影响。