使用开源人工智能模型 SEE-AI 提高小肠胶囊内镜的效率与病灶检测

目的：小肠胶囊内镜（CE）生成的视频篇幅较长，阅片耗时且易漏诊病变。我们评估了与常规阅片相比，采用开源预训练人工智能（AI）模型（SEE-AI）能否提升诊断效能与判读效率。

方法：采用双阅片者交叉设计，回顾性分析2007年至2022年间六家医院完成的249例PillCam SB3检查。SEE-AI（置信度阈值0.1）生成了针对八类病变带有边界框标注的视频。主要终点为基于单病变和单患者维度的病变检出敏感度。次要终点包括特异度、预测值、总体准确率及阅片时间。一项预设的亚组分析评估了疑似小肠出血（SSBB）病例，重点聚焦Saurin P1+P2出血性病变。

结果：在1550例经确认的病变中，AI辅助阅片的敏感度高于常规阅片（单病变维度：98.8% [1532/1550] vs. 86.4% [1339/1550]；单患者维度：99.1% [464/468] vs. 80.3% [376/468]；两者均 p < 0.0001）。平均阅片时间由17.9分钟降至13.7分钟（p < 0.0001）。在SSBB病例（n = 131）中，P1+P2病变的敏感度在单病变维度（98.2% [439/447] vs. 82.8% [370/447]）与单患者维度（98.6% [145/147] vs. 73.5% [108/147]）均得到提升，且阅片时间更短（14.1 vs. 18.0分钟；所有比较均 p < 0.0001）。

结论：在这项多中心评估中，SEE-AI显著提高了病变检出率，并缩短了包括SSBB病例在内的CE解读时间，同时保持了开放性与可重复性。AI辅助阅片有望减轻临床医生的工作负荷，并支持将SEE-AI作为小肠CE的实用工具——以及未来潜在的诊疗标准——进行推广。

试验注册：不适用。