Forrest分级和Rockall评分对消化性溃疡大出血患者预后的判断

目的观察Forrest分级和Rockall评分对消化性溃疡大出血患者预后的判断价值。方法选取2006年9月-2009年8月在我院住院治疗的221例确诊为消化性溃疡大出血患者,人院后给予药物治疗及内镜下治疗。治疗药物的选择、治疗时机及内镜下治疗方式的选择无显著性差异。平均随访时间为5个月（0-12个月）。按照Forrest分级,Rockall评分对患者再出血发生率及死亡率分别进行评估。按Forrest分级,Ⅰa33例,Ib79例,Ⅱa63例,Ⅱb37例,ⅡC9例;按Rockall评分,0分者6例,1分者7例,2分者11例,3分者27例,4分者21例,5分者45例,6分者40例,7分者34例,8分者17例,〉8者13例。结果按Forrest分级,Forrest分级Ia级者再出血率为84．85％（28／33）,Ib级者再出血率为51．90％（41／79）,Ⅱa级者再出血率为39．68％（25／63）,Ⅱb级者再出血率为21．62％（8／37）,ⅡC级者再出血率为11．11％（1／9）（P〈0．05）。按Rockall评分分组,Rockall评分0～2分者无死亡;3--4分者无死亡;5分者无死亡;评分6分者死亡率2．50％（1／19）;评分7分者死亡率5．88％（2／34）;评分8分者死亡率23．53％（4／17）;评分〉8分者死亡率69．23％（9／13）（P〈O．05）。结论对于消化性溃疡大出血患者,Forrest分级与再出血发生率有相关性,适用于临床及胃镜下作为选择止血方法的依据;而Rockall评分则与死亡率有相关性,适合于临床作为判断患者死亡风险的依据,并进而指导临床治疗方案的选择。     

人工智能胃镜在盲区监测和自主图像采集中的应用研究

目的 分析实时胃镜监控系统(即胃镜精灵)在胃镜检查中的盲区监测功能与自主图像采集功能。 方法 收集武汉大学人民医院消化内镜中心数据库2017年5月至2018年5月间的全部胃镜图像,根据入选排除标准,共选取38 522张胃镜图像训练和验证胃镜精灵。利用计算机产生随机数的随机方法,选取91个胃镜检查视频资料评估胃镜精灵部位识别准确率,选取45个胃镜检查视频资料及内镜医师采集的与之相匹配的胃镜图像资料,比较机械采图与人工采图胃镜检查部位覆盖个数及覆盖率。邀请2位水平相当的内镜医师,收集使用胃镜精灵的医师1使用胃镜精灵前后分别完成的45个胃镜检查图像资料,收集不使用胃镜精灵的医师2同期分别完成的20、22个胃镜检查图像资料,比较两者胃镜检查部位覆盖率。 结果 胃镜精灵的部位识别总体准确率为85125%（1 156/1 358）。使用胃镜精灵的医师1使用胃镜精灵前后胃镜检查部位覆盖率分别为(76790±8848)%和(87325±7065)%,未使用胃镜精灵的医师2相应时间段内胃镜检查部位覆盖率分别为(75926±11565)%和(75253±14662)%。使用胃镜精灵前,医师1和医师2水平相当(t=0324,P=0747);使用胃镜精灵后,医师1胃镜检查部位覆盖率高于使用前（t=6222,P=0001）,亦高于同期医师2（t′=3588,P=0002）。机器采图的胃镜检查部位覆盖个数为（20956±3406）个,部位覆盖率为（77613±12613）%,人工采图分别为（15467±2296）个、（57284±8503）%。机器采图部位覆盖个数（t=11523,P=0000）与覆盖率（t=11,523,P=0000）均高于人工采图。 结论 胃镜精灵可提高胃镜检查部位覆盖率及覆盖个数,改善传统胃镜检查时检查部位覆盖不全及采图不全面的情况。     

内镜下治疗胃肠道巨大脂肪瘤的临床研究

目的探讨内镜下切除胃肠道巨大脂肪瘤（瘤体直径＞3.0 cm）的安全性和有效性.方法近10年在我院经内镜下切除15例有症状的胃肠道巨大脂肪瘤患者,5例亚蒂型（基底直径＜2.0cm）中2例经由息肉切除术切除,3例采用多步切除术切除;10例为广基型（基底部直径＞2.0 cm）,经由次全切除术切除.结果内镜下成功切除15例胃肠道巨大脂肪瘤（经组织病理学确诊）,无穿孔和出血等严重并发症,内镜检查随访1～8年无复发.结论胃肠道巨大脂肪瘤可在内镜下由圈套器安全有效地切除.     

基于京都胃炎评分判断胃镜下幽门螺杆菌感染状态的研究

目的探讨京都胃炎评分判断国人幽门螺杆菌(Helicobacter pylori, HP)感染状态的价值。方法回顾性收集2020年1—12月在武汉大学人民医院消化内镜中心同时间段行13C呼气试验和胃镜检查的902例受检者资料, 其中HP阳性患者345例, HP阴性患者557例。分析HP阳性及HP阴性受检者的黏膜表现及京都胃炎评分差异, 并绘制京都胃炎评分预测HP感染的受试者工作特征曲线。结果与HP阴性患者相比, 结节[8.1%(28/345)比0.2%(1/557), χ2=86.29, P<0.001]、弥漫性发红[47.8%(165/345)比6.6%(37/557), χ2=413.63, P<0.001]、萎缩[27.8%(96/345)比13.8%(77/557), χ2=52.90, P<0.001]和皱襞肿大[69.0%(238/345)比36.6%(204/557), χ2=175.38, P<0.001]在HP阳性患者中发生率高。对预测HP感染, 结节表现出最高的特异度[99.8%(556/557)]和阳性预测值[96.6%(28/29)];弥漫...     

成人胃肠道疾病与病毒感染

病毒感染是胃肠道疾病的重要感染性因素之一,且常与胃肠道基础疾病合并存在.随着新型冠状病毒肺炎的暴发,病毒感染与胃肠道疾病的关系也再次引起学者的关注.本文对Epstein-Barr病毒、巨细胞病毒及新型冠状病毒与胃肠道疾病之间关系的研究进展进行分析论述.     

基于人工智能的结肠镜质量控制研究进展

近年来，人工智能技术在医学领域快速发展，并在多个领域取得了显著成就。人工评估结肠镜质量不仅浪费时间还存在主观偏差和错误，因此很难进一步提高腺瘤检出率，导致结直肠癌发生率仍然较高。人工智能技术在临床试验中表明，计算机辅助技术有助于客观评估结肠镜质量，提高病变检出率。本文就人工智能技术在结肠镜质量控制中的相关研究进行系统性阐述。     

双气囊小肠镜检查中常规内镜可探及病变的检出及其临床意义

不明原因消化道出血(obscure gastrointestinal bleeding,OGIB)是指通过常规胃镜、结肠镜和小肠钡餐或造影等检查均未能发现病灶,而存在不明来源的持续或反复发作的消化道出血[1],其中75％的患者病灶可能位于小肠.近年来,双气囊小肠镜(double balloon enteroscope,DBE)和胶囊内镜(capsule endoscope,CE)在临床上的逐步推广,提高了OGIB的诊断水平[2].     

人工智能胃镜检查辅助系统用于早期胃癌筛查的成本和效益分析

目的　比较使用人工智能（artificial intelligence， AI）胃镜检查辅助系统行胃早期癌筛查前后的成本和效益。方法　回顾性收集2017年1月1日—2022年2月28日于武汉大学人民医院使用AI胃镜辅助系统前后的胃镜检查病例，统计使用前（无AI组）和使用后（AI组）的胃癌早期诊断率。以武汉大学人民医院收费标准和湖北省武汉市按疾病诊断相关分组付费支付标准2021年版本为参考进行费用估算。计算每10万例使用和不使用该系统两种情况下进行胃镜筛查的成本和效益及增量成本效益比。结果　无AI组胃癌早期诊断率为28.81%（70/243），每10万例胃镜筛查成本为5 459.80万元，胃早期癌医疗成本为22.18万元，总成本为5 481.98万元；直接筛查效益为89.42万元，间接筛查效益为182.82万元，总效益为272.24万元。AI组胃癌早期诊断率为36.56%（366/1 001），每10万例胃镜筛查成本为5 344.00万元，胃早期癌医疗成本为31.58万元，总成本为5 375.58万元；直接筛查效益为127.35万元，间接筛查效益为260.31万元，总效益为387.66万元。使用该系统可以降低总成本106.40万元/10万例，多产生115.42万元/10万例的直接和间接经济效益，增量成本效益比为-0.92。结论　使用AI胃镜检查辅助系统进行胃早期癌筛查可以在降低医疗成本的同时提高筛查效益，建议在胃镜筛查工作中推广使用。     

深度学习技术在辅助结直肠腺瘤浸润深度鉴别中的应用研究

目的研究深度学习技术在肠镜电子染色模式下辅助内镜医师鉴别结直肠腺瘤浸润深度的价值。方法回顾性收集2016年11月—2021年6月武汉大学人民医院、南方医科大学深圳医院和宜昌市第一人民医院的3 714个病例的13 246张电子染色图像, 构建深度学习模型, 对结直肠腺瘤的黏膜下深层浸润和非深层浸润进行鉴别, 并在独立测试集与外部测试集中验证模型的性能。使用完整的测试集对比5名内镜医师与深度学习模型的诊断水平。前瞻性收集2021年1—6月来自武汉大学人民医院的35个高清内镜视频, 验证在模型辅助下内镜医师的诊断效果。结果该模型在图片测试集中的准确率93.08%(821/882), 约登指数0.86, 优于内镜医师[最高者分别为91.72%(809/882)和0.78]。在视频中该模型的准确率达97.14%(34/35), 约登指数0.94。在模型辅助下, 内镜医师的准确率显著提升[最高者97.14%(34/35)]。结论本研究开发的基于深度学习的结直肠腺瘤浸润深度鉴别系统能够准确地识别黏膜下深层浸润病灶, 辅助内镜医师提升识别深层浸润病灶的准确率。     

人工智能超声内镜胆胰识别系统有效性的交叉试验

目的探究人工智能超声内镜(artificial intelligence-endoscopic ultrasound, AI-EUS)胆胰识别系统用于辅助识别超声内镜检查术(endoscopic ultrasonography, EUS)图像的有效性。方法从武汉大学人民医院消化内科数据库前瞻性地纳入2019年12月—2020年8月期间因怀疑有胆胰系统疾病而接受EUS检查的受试者。28例受试者的28个视频用于胰腺标准站的识别;29例受试者的29个视频用于胆管标准站的识别。8名武汉大学人民医院消化内科的新手内镜医师在有AI-EUS胆胰识别系统辅助下和无辅助下, 分别阅读了57例EUS视频。比较有AI-EUS胆胰识别系统与无AI-EUS胆胰识别系统辅助时, 内镜医师对EUS胰腺和胆管标准站点识别的准确率。结果无AI-EUS辅助时, 新手内镜医师对胰腺标准站识别准确率为67.2%(903/1 344), 有AI-EUS辅助时, 准确率提高至78.4%(1 054/1 344);胆管标准站识别准确率由无辅助时的56.4%(523/928)提高至有辅助时的73.8%(685/928)。结论 AI-...