2018年9月27-29日，中华医学会第十八次全国消化系病学术会议在大连召开。此次会议是中华医学会消化病学分会 2018 年重要的学术活动。会议将邀请国内外消化领域知名专家做专题讲座、专家面对面、病例讨论等内容丰富，形式多样的学术报告。山东大学齐鲁医院李延青教授就消化内镜热点话题“智能消化内镜精准质控的应用”进行精彩报告，颇受与会者关注。本文介绍报告主要内容，敬请关注！

据统计，我国食道癌、胃癌、结直肠癌三大恶性肿瘤约占所有肿瘤的比例为50%，仅胃癌就造成了每年约49.8万人死亡，其中超过85%的患者在确诊时已为中晚期。消化内镜早诊早治是提高患者生存率、改善预后的关键，同时还可大大减轻患者的经济负担，节约国家的医疗资源。

为何内镜检查漏诊率为什么这么高？

可以简单总结为12个字：看不全、看不清、看得快，看不准。“看不全”是指内镜检查有盲区，主要存在于内镜头端不易到达的位置，如胃食管连接处、部分不易观察的肠段，另外没有完全按照顺序看全整个胃黏膜的情况在繁忙的临床工作中也是时有发生；“看不清”则是由于胃肠镜检查前准备不足，胃黏膜可视度和肠道清洁度不满意，即使有病变也看不清楚；“看的快”是指内镜的有效观察时间不够，达不到要求；而“看不准”主要是因为缺乏早癌的内镜知识储备，对早癌的白光内镜表现认识不足，或未能充分利用包括染色内镜、放大内镜、共聚焦激光显微内镜等手段进行有效的判断，造成漏取活检或不精准的活检。

那么，如何全面提高早期消化道肿瘤的检出率呢？

规范的内镜检查和精准的消化内镜质量控制无疑是解决上述问题的最有效方案。然而现有的内镜质控指标繁多，实际应用过程中往往难以落地。归纳一下，影响内镜质控指标落地的三座大山分别是：“意识不足”，内镜医生对内镜质控指标执行的意识不够；“工作量大”，国内每天内镜操作数量大，分配到每次检查的时间有限；“系统落后”，医疗机构内镜工作站系统落后，无法完成内镜质控指标的统计工作。

如何使消化内镜质控工作真正落地？

人工智能（AI）深度学习的发展为我们提供了新的契机。我们都知道，人工智能真正普及我国大众时，是由一款围棋人工智能程序AlphaGo开始，随之迅速漫延，不知何时竟已逐渐渗透至我们生活的方方面面。而在医学领域，人工智能用于诊断皮肤黑色素瘤、糖尿病眼底病变、肺结节，早已显示出卓越优势。近两年，AI在食管癌、胃癌和结肠息肉内镜诊断方面的研究亦初显成效；而我们的想法是，将AI与内镜质控相结合，实现智能质控，最大程度的减少人为干预，做到系统自动监督，从而真正实现质控指标落地。

为实现上述目标，山东省消化内镜质控中心专委会本着质控指标从少到多、从简单到复杂、从诊断到治疗、从基本到全面的原则，讨论制定了初步的消化内镜质控指标，并在全省质控单位发布了《山东省消化内镜质量控制标准（试用稿）》。

其核心质控指标主要包括：1、结构性指标：洗消记录可追溯率应达到100%，图文报告合格率应＞95%；2、过程指标：对食管鳞癌内镜筛查的目标人群进行碘染色或电子染色，胃镜图片≥22张，肠道准备合格率＞85%，结肠镜盲肠插镜率＞95%，结肠镜退镜时间≥6min；3、结果指标：结直肠腺瘤检出率＞15%；精简后的核心质控指标更加适合目前国情，有助于在精准质控的基础上逐步过渡。

与此同时，我们与青岛美迪康公司合作，将所有核心指标整合入内镜报告界面，通过AI深度学习和后台数据自动分析的模式建立了包含上述质控核心指标、内镜诊疗情况和胃镜室基本信息三大块内容的“智能消化内镜质控信息化系统”。

举例来说，目前第一版的内镜智能质控系统已能够较为准确的AI自动判定是否到达回盲部，是否检出结直肠息肉，AI自动计算肠镜退镜时间并提供智能语音提示，AI识别不同的胃内解剖位置,自动计算胃镜检查时间等；另外通过规范检查项目列表，提供报告内容和诊断的结构化模板，更能够精确统计各项内镜诊疗数据，便于有针对性的督导改进。

而正在研发中的第二版智能质控系统还将具备自动判定食管癌高危人群碘染率、肠道清洁度评分、胃黏膜可视度评分、可疑病灶AI判定实时提醒等更多AI功能。

此外，下一步通过微信自助预约服务的流程改进，将进一步实现消化道肿瘤高危人群的自动判定，内镜诊疗前后的注意事项推送，尤其是胃镜和肠镜检查前准备方案的个体化信息自动推送，更能够在优化患者就诊体验的同时从根本上改善内镜诊疗的质量。而我们的最终目标是建立质控管理、患者随访和服务医生三位一体的紧密连接型质控体系。

总之，智能质控的目的在于减少人的干预，利用人工智能技术实现自动化质控，切实实现内镜质控指标的落地；利用质控网络实时监控、精准质控，从而全面提高内镜诊疗水平。

文章刊登于中国医学论坛报《消化·肝病周刊》，转载请注明出处！