中山大学：AI赋能内窥镜，鼻咽癌检测进入“秒级”时代”

2025年2月15日，中山大学第一附属医院的研究团队在期刊《eClinialMedicine》上发表了题为“Real-time artificial intelligence-assisted detection and segmentation of nasopharyngeal carcinoma using multimodal endoscopic data: a multi-center, prospective study”的研究论文。研究结果表明，NPC-SDNet表现出出色的实时诊断和分割准确性，为提高NPC诊断的准确性提供了一个有前途的工具。

https://www.thelancet.com/journals/eclinm/article/PIIS2589-5370(25)00052-5/fulltext

01

研究背景

几项研究检查了使用人工和机器学习通过鼻内窥镜检查来诊断NPC。然而，这些研究有几个局限性。首先，大多数研究涉及内窥镜图像的回顾性分析，缺乏实时和连续的诊断分析。其次，现有的诊断模型通常仅依赖于WLI或NBI图像，增加了漏诊和误诊的风险，从而限制了它们的实际应用。第三，目前的研究没有准确描绘病变，可能导致重复活检或漏诊。第四，许多研究基于有限或单中心样本进行模型构建，缺乏多中心验证和推广性。尽管这些研究报告了有希望的结果，但这些限制了人工智能技术的临床应用。

02

NPC-SDNet与鼻科医生的比较

NPC-SDNet的准确度为94.0%，精确度为95.0%，特异度为92.6%，召回率为95.0%。拥有10年以上经验的鼻科专家的平均准确率为88.2%，平均处理时间为15.7分钟。有3-5年经验的住院医师的平均准确率为82.9%，平均处理时间为34.9分钟。有1年经验的实习医生的平均准确率为68.9%，平均用时38.1分钟。该模型的诊断效率达到每分钟1,000帧，比专家组快78.4倍（1,000帧/分钟 对 12.7帧/分钟），比住院医师组快175.4倍（1,000帧/分钟 对 5.7帧/分钟），比实习医师组快192.3倍（1,000帧/分钟 对 5.2帧/分钟）。

NPC-SDNet和鼻科医生在比赛数据集中的表现。

03

总结

1. 早期诊断潜力： NPC-SDNet在早期NPC（T1-2期）的诊断中表现出优异的性能，总体准确率达到99.5%，NBI图像准确率为100%，WLI图像准确率为98.6%。

2. 临床应用的潜力： 该模型有望通过提高诊断准确性、实现实时反馈、减少人工审查需求和支持初级医疗保健环境，彻底改变NPC的诊断和管理。

3. 与现有技术的比较： 与以往的研究相比，NPC-SDNet在WLI和NBI数据集上实现了更高的诊断准确率和分割性能，且能够分析鼻内窥镜手术视频并适应不同阶段的NBI和WLI模式。

4. 多中心验证： NPC-SDNet在两个独立的外部测试集上进行了验证，表现出卓越的性能，并且其诊断性能优于不同经验水平的医生。

5. 未来研究方向： 未来的研究将包括来自不同地理区域的内窥镜数据和各种内窥镜设备，以提高模型的泛化性；研究还将探索可解释性技术，收集更大的早期NPC病例数据集，并在实际临床工作流程中验证模型的实时检测能力。

参考资料：

1.Chen, Y.P. ∙ Chan, A.T.C. ∙ Le, Q.T. ∙ et al.

Nasopharyngeal carcinoma

Lancet. 2019; 394:64-80

2.Ferlay, J. ∙ Ervik, M. ∙ Lam, F. ∙ et al.

Global cancer observatory: cancer today.International Agency for Research on Cancer, Lyon, France, 2024 Available from:

https://gco.iarc.who.int/today

Date accessed: February 2, 2024