编辑推荐：
研究人员为解决 CT 结肠成像解读负担重的问题，开展深度学习辅助检测研究，发现双位评估可提高灵敏度，有重要意义。
研究背景：CT 结肠成像的困境与挑战
在日本，结直肠癌的年龄标准化发病率和死亡率持续居高不下，成为癌症死亡的主要原因之一。尽管女性的相关数据有所下降，但男性患者的情况依旧严峻。这背后的原因，除了人口老龄化，还与较低的医学检查率以及肠镜检查接受度不高有关。于是，CT 结肠成像（Computed Tomography Colonography，CT 结肠成像）进入了人们的视野。它具有较高的检查接受度，且侵入性较小，如果能将其纳入详细检查，有望提高检查率。
然而，CT 结肠成像的推广并非一帆风顺。一方面，能够准确解读 CT 结肠成像图像的放射科医生短缺，这成为了其广泛应用的一大阻碍；另一方面，CT 结肠成像图像的解读工作量巨大，给医生带来了沉重的负担。此外，传统的计算机辅助检测（Computer-Aided Detection，CAD）虽然在一定程度上提高了病变检测的灵敏度，但由于大肠肿瘤病变形态多样，肠道内的残留物、肠壁伸展不佳和增厚等问题，都影响了 CAD 的准确性，并且还存在假阳性率较高的困扰。
为了解决这些问题，来自日本多所医疗机构的研究人员开展了一项极具意义的研究，旨在开发一种基于深度学习的人工智能（Artificial Intelligence，AI）算法，用于检测 CT 结肠成像图像中的结直肠肿瘤病变，并评估其检测性能。该研究成果发表在《BMC Gastroenterology》杂志上。
研究方法：深度学习助力病变检测
研究人员使用了 CT 结肠成像的 DICOM（Digital Imaging and Communications in Medicine）数据来创建大规模数据库。这些数据来源广泛，包括日本两项多中心联合试验的筛查测试数据、两家医疗机构的临床数据等。为了保护患者隐私，仅使用了图像数据、病变信息、性别、CT 设备等特定信息。
在研究过程中，研究人员采用了基于更快 R-CNNs 的神经网络结构。这一结构主要由区域提议网络和基于区域的卷积神经网络（Convolutional Neural Network，CNN）两个子网络组成。其中，CNN 是一种高效的深度学习方法，它无需预先分割感兴趣区域，只需简单标注，就能成为检测图像中肿瘤的有力工具。此外，研究人员还通过两种不同的训练模式训练神经网络，并将三个不同神经网络的输出进行整合，以此来提高检测的准确性。
研究结果：双位评估提升检测灵敏度
- 低剂量预处理下的病变检测：研究发现，使用低剂量预处理和较差标记的情况下，该 AI 算法能够在一些病例中正确检测出隐藏在残留物中的病变，而传统的 CAD 则难以做到这一点。
- 内部验证数据集的验证：当每张图像允许的假阳性病变数为 3 个时，对于≥6mm 的病变，灵敏度为 0.815；对于≥10mm 的病变，灵敏度为 0.883。但对于 6 - 10mm 的病变，灵敏度相对较低，分别为 0.738（允许 3 个假阳性病变）和 0.785（允许 4 个假阳性病变）。
- 外部验证数据集的验证：在外部验证中，当允许 4 个假阳性病变时，Aizu 数据集和 Kamigoto 数据集中≥6mm 病变的灵敏度分别为 0.755 和 0.729，≥10mm 病变的灵敏度分别为 0.810 和 0.802。而且，当允许的假阳性病变数增加时，灵敏度有所提高。此外，研究人员还发现，通过整合仰卧位和俯卧位的检测结果来评估每个患者的检测性能时，灵敏度相比仅评估一个 CT 系列有显著提升。例如，在 Aizu 数据集和 Kamigoto 数据集中，当允许 4 个假阳性病变时，≥6mm 病变的灵敏度分别提高到 0.835 和 0.848，≥10mm 病变的灵敏度分别提高到 0.894 和 0.866，6 - 10mm 病变的灵敏度也分别提高到 0.684 和 0.816。
研究结论与意义：为临床诊断带来新希望
这项研究构建了高质量、大规模的 AI 学习数据集，并基于此创建了 AI 算法。通过内部和外部验证发现，该算法在检测≥6mm 的结直肠肿瘤病变方面具有一定的灵敏度，尤其是在整合两个位置的评估结果后，灵敏度得到了显著提高。这一发现表明，在实际临床实践中，CT 结肠成像采用双位成像和基于深度学习的 CAD 辅助诊断，能够有效补偿 CT 结肠成像的弱点，提高检测的准确性，减少医生的工作量，为结直肠癌的早期诊断提供了更有力的支持。
然而，该研究也存在一些局限性。例如，由于外部验证数据集中缺乏阴性病例，无法评估特异性；没有验证医生对 AI 算法识别的病变的解读情况；未在实际图像解读中研究阈值和允许的假阳性病变数；也未评估在实际临床环境中实施双位成像和 AI 算法诊断的成本效益和可行性。尽管如此，这一研究成果仍然为未来的研究指明了方向，随着研究的不断深入和完善，基于深度学习的 CT 结肠成像辅助诊断技术有望在临床实践中发挥更大的作用，为结直肠癌的防治带来新的曙光。
