人工智能助力食管 ESD 手术流程识别与培训：高效且精准

研究人员针对食管 ESD 手术难题，开发 AI 模型及培训方案，模型精准度高，方案有效。

　　背景：内镜下黏膜下剥离术（Endoscopic Submucosal Dissection，ESD）是治疗早期胃肠道癌症的关键但具挑战性的多阶段手术。本研究开发了基于人工智能（Artificial Intelligence，AI）的食管 ESD 自动手术流程识别模型，并提出了一种创新培训方案，该方案基于有无 AI 标记的食管 ESD 手术视频，以评估其对 trainees 的有效性。
方法：回顾性分析 2016 年至 2024 年从全球 7 家医院收集的完整 ESD 手术视频。将 ESD 手术流程分为 6 个阶段，并把这些视频划分为 5 个数据集用于 AI 模型训练。邀请 trainees 参与多媒体培训项目，随机分为 AI 组和对照组。通过准确率评估 AI 模型性能和标记测试效果。
结果：共纳入 195 个 ESD 手术视频（时长 782,488 秒，包含 9268 个阶段）。AI 模型在训练集、内部测试集和食管外部测试集中的准确率分别达到 92.08%（95% 置信区间 (CI)，91.40 - 92.76%）、91.71%（95% CI 90.11 - 93.31%）和 89.84%（95% CI 87.42 - 92.25%）。在胃、结直肠的外部测试集中也取得了可接受的结果。对于培训方案，学习带有 AI 标记 ESD 手术视频的 AI 组总体标记测试准确率为 88.73±2.97%，显著高于无 AI 标记的对照组（81.51±4.63%，P＜0.001）。
结论：AI 模型在大型 ESD 手术视频数据集上实现了高准确率。该培训方案提高了对 ESD 手术流程复杂性的理解，证明了其对 trainees 的有效性。