Page 46 - 外科护理学改革与创新研究

外科护理学改革与创新研究
Research on Reform and Innovation in Surgical Nursing

验丰富的内镜医生和 1 名初级内镜医生，该系统为 GIST 的诊断提供了重要方法，
可有效避免超声内镜引导下细针穿刺活体组织检查术（EUS-FNA）的侵入性操作。
2. 食管癌

食管癌是全球第 6 位恶性肿瘤相关死亡原因，2020 年约有 54 万人死于食管
癌。Barrett 食管（BE）是食管腺癌的重要危险因素，其临床分期与患者的预后
密切相关，美国胃肠病学会和英国胃肠病学会临床指南均建议 BE 患者应定期复
查胃镜，以期及早发现异型增生，这对于降低病死率非常重要。全球范围内食

管腺癌发病率持续升高，但食管鳞状细胞癌（ESCC）仍是亚洲（日本）较常见
的组织学类型。2019 年日本学者进行了一项利用 8428 幅食管癌（包括鳞癌和腺
癌）图像训练 CNN 模型的单中心回顾性研究，该模型分析 1118 幅测试图像仅耗
时 27s，综合诊断的敏感度高达 98%，并且可检测到直径＜ 10mm 的病灶，结果

表明 AI 技术可在较短时间内高度敏感地分析大量食管癌内镜图像，并可有效降
低微小病灶的漏诊率。2019 年蔡世伦等利用深度学习的反向传播算法建立诊断
早期食管癌的 CAD 模型，其 AUC 为 0.9961，具有较高的诊断敏感度和特异度，
结果显示 AI 技术可辅助内镜医生在临床操作中实时准确识别早期病变，并及早

对患者进行治疗干预，从而提高患者的术后生存质量。
肿瘤浸润深度是影响早期食管癌治疗决策的重要因素，然而医生在内镜下评
估肿瘤浸润深度可能存在主观性偏倚，易受到观察者水平差异的影响。2019 年
Nakagawa 等采集了 804 例浅表食管鳞状细胞癌（ESCC）患者的 8660 幅非放大

内镜（ME）和 5678 幅 ME 图像作为训练数据集，将 155 例 ESCC 患者的 405 幅
非 ME 图像和 509 幅 ME 图像作为验证集，结果显示 DNN 系统鉴别黏膜下浅层
（SM1）浸润癌与黏膜下深层（SM2、SM3）浸润癌的准确率、敏感度、特异度
分别为 91.0%、90.1%、95.8%，该系统的诊断效能与 16 名经验丰富的内镜医生

（89.6%、89.8%、88.3%）相当。相较于高质量的静态内镜图像，视频图像可更
全面精确地实时反映低质量的传统白光内镜和染色内镜图像。2020 年 Shimamoto
等通过 CNN 模型对 102 个浅表 ESCC 的内镜视频进行深度学习，其实时评估肿
瘤浸润深度的准确率、特异度分别为 87%、99%，这是 AI 技术通过视频图像诊

断 ESCC 浸润深度的第一份报告，为内镜医生的诊断提供了有效的帮助。上述研
究结果表明，AI 技术在诊断食管癌浸润深度方面的准确率较高，具有较好的临
床应用前景。

-32-