本研究研发的肠镜检查时间画面质控AI系统“肠镜质控大师QAMaster”，通过AI自动计算结肠镜退镜过程中的合格黏膜观察时间（QMOT），证实达到90秒及以上的QMOT即可实现腺瘤检出率（ADR）>25%，在保证检查质量的前提下，提高退镜效率。该研究为医生高效退镜提供了可行的自动化技术手段，从而为提高结直肠早期病变检出、降低结直肠癌发病风险提供了新的方法。

2025年11月18日，南京大学医学院附属鼓楼医院学者最新研究成果在线发表于《npj 数字医学》（NPJ Digit Med，IF：15.1）杂志。该研究通过AI成功实现了肠镜退镜过程中QMOT的自动量化，发现QMOT达到90秒即可实现ADR>25%，解决了长期困扰临床的“退镜质量与退镜效率难以同时兼顾”的痛点。

结肠镜检查是降低结直肠癌发病率和死亡率的有效措施，但在检查过程中约26%的腺瘤和9%的晚期腺瘤被遗漏。退镜时间被确立为一项重要结肠镜检查质控指标，多国指南推荐至少达6分钟。研究表明，提高合格的黏膜观察时间能更有效地增加腺瘤检出。此外，提高合格的黏膜观察时间能够在保证病变检出水平的同时，显著缩短总检查时间。这些发现强调了关注合格的黏膜观察时间（QMOT）而非总退镜时间的重要性。然而，在常规实践中手动量化QMOT需要大量人力资源，随着人工智能（AI）的快速发展，为量化QMOT提供新型手段。

为此，团队构建了多中心数据集，包括4018例患者肠镜检查图片及250段完整肠镜视频，基于Vision Transformer（ViT）研发了“肠镜质控大师QAMaster”。QAMaster由两个核心模型组成：用于图像质量评估的模型I以及用于结肠解剖标志识别的模型Ⅱ。测试显示，模型I的AUC为0.980–0.991，模型Ⅱ的AUC为0.977–0.997，均达到极高的精度与鲁棒性。为了验证QAMaster在真实临床环境中的应用价值，研究团队前瞻性收集了482 例肠镜检查视频。基于指南推荐的25%腺瘤检出率标准（对应QMOT约90秒），将受试者分为高QMOT（≥90秒）和低QMOT（<90秒）两组。相较于低QMOT，高QMOT能将ADR提升16.6%；多因素回归分析也显示达到QMOT≥90秒而非总时间≥6分钟是腺瘤检出的独立危险因素，这一发现不仅证实了“合格黏膜观察时间≥90秒”对提升腺瘤检出率的关键价值，也进一步表明QAMaster所提供的自动化QMOT量化能够帮助内镜医生在确保合格腺瘤检出的同时提升退镜效率。相比传统依赖人工计时和主观判断的质控方式，QAMaster基于“时间-画面”的一体化量化方法，使退镜质量控制更加客观、精确和可执行。该研究提出并验证了一种创新性的AI质控框架，不仅为肠镜质量控制提供了可量化、可实施的新标准，也为未来实现“高质量、可复制、高效率”的腺瘤检出提供了切实可行的技术路径。

作为QAMaster研究团队的成员，我们非常荣幸能够分享这项研究的成果及其对结肠镜质量控制实践的意义。长期以来，结肠镜检查的退镜时间被视为衡量检查质量的重要指标之一，但我们的临床实践以及多项研究表明单纯的退镜时间延长并不等同于有效观察。真正影响腺瘤检出率的，是医生实际用于稳定观察清晰黏膜的“合格黏膜观察时间”。然而，如何在临床工作中精准量化这一指标，一直是质量控制的难点。

正是基于这一临床痛点，我们研发了QAMaster系统。该系统基于ViT架构，通过多中心大样本训练，能够实时识别图像质量（如是否为有效观察、是否存在异物或正在操作、是否为体外图像等）和解剖标志（如回盲部），从而实现全自动的QMOT计算。通过多中心、大规模的数据验证，QAMaster在图像质量评估和解剖标志识别方面均表现出高准确性，AUC值接近0.99，显示出良好的泛化能力和稳定性。

在真实世界的前瞻性队列研究中，我们发现QMOT≥90秒的结肠镜检查，其ADR显著高于QMOT不足90秒的检查（ADR: 36.54% vs 19.94%），且这一关联在不同年龄段、性别、医生经验等亚组中保持一致。多因素回归分析进一步证实，QMOT≥90秒是腺瘤检出的独立危险因素。这提示我们，提升有效黏膜观察时间，而非单纯延长退镜时间，可能是未来结肠镜质量控制的更精准方向。

当然，我们也认识到当前系统仍有改进空间。例如，部分含有轻微干扰的图像仍可能具有临床价值，未来我们将在保持高效性的前提下探索更灵活的图像质量判定标准。此外，系统目前在单一设备上表现优异，未来也将通过迁移学习适配更多内镜平台。

王雷 教授

通讯作者

主任医师，博导，南京鼓楼医院消化科主任，党支部书记，南京市消化内科医疗质量控制中心主任。现任中华医学会消化内镜分会委员、江苏省医学会消化内镜分会候任主任委员、南京医学会消化内镜分会主任委员，曾获第三届国之名医优秀风范称号、2023研究型医院评价遴选研究型人才称号、第九届南京市十佳医生称号获得者，曾获个人三等功。近五年以第一或通讯作者在 Advanced Functional Materials、Cancer Research、npj Digital Medicine、Journal of Nanobiotechnology、 Theranostics、GIE 等国际高水平期刊发表论文200余篇。

武军 教授

第一作者

博士，南京大学计算机学院教授，博导，南京鼓楼医院医学大数据中心主任。研究领域为人工智能、机器学习、大模型与智能医学。连续多年入选斯坦福全球前2%顶尖科学家年度榜单（2020-2025年）和终身榜单（2024-2025年），AI 2000人工智能全球最具影响力学者，获CVPR 2025最佳论文奖候选。在国内外著名人工智能和医学期刊/会议上发表论文80余篇，获授权发明专利10余项，申请发明专利30余项。论文被图灵奖得主、80余位国内外科学院/工程院院士和200余位AAAI/ACM/IEEE Fellow引用。

南京鼓楼医院消化科人工智能研究团队在王雷教授带领下，深耕消化道疾病人工智能辅助诊断领域。团队聚焦临床痛点，成功开发早期胃癌及食管癌实时检出与性质判断、胰腺癌现场病理辅助诊断、胆道狭窄性质判断、结肠镜检查质量评估等多个深度学习模型，模型效能达专家水平，为消化道肿瘤早诊早治提供了全新智能化解决方案。相关成果发表于npj Digital Medicine、EBioMedicine、GIE等国际权威期刊，彰显了团队在医学人工智能交叉领域的创新实力与临床转化能力。

每一项临床研究都倾注着研究团队的心血结晶。学习过后，您是否有所收获？或有疑问想与主创团队分享？请在评论区留言，期待与您交流！