本文档属于类型b（科学综述论文）。以下是针对该文档的学术报告：

人工智能辅助结肠镜检查在息肉检测中的应用：现状与展望
作者与机构
本文由Marco Spadaccini和Maddalena Menini（共同第一作者）领衔，联合意大利Humanitas大学及Humanitas研究医院、美国犹他大学等机构的胃肠病学专家团队合作完成，发表于2025年2月的期刊《Cancers》（卷17期5，DOI:10.3390/cancers17050797）。

主题与背景
本文系统综述了人工智能（AI）驱动的计算机辅助检测（Computer-Aided Detection, CADe）技术在结肠镜息肉检测中的临床价值。结直肠癌（CRC）是全球第三大高发癌症，其预防依赖于结肠镜对癌前病变（如腺瘤）的早期发现。然而，现有结肠镜存在两大核心问题：
1. 腺瘤检出率（Adenoma Detection Rate, ADR）的差异性：不同医师的ADR差异显著（7.4%~52.5%），低ADR医师操作的患者间期癌风险增加48%
2. 病变漏诊率（Adenoma Miss Rate, AMR）：串联结肠镜研究显示，26%的腺瘤和27%的锯齿状息肉被漏诊，其中近端平坦型腺瘤漏诊率高达34%

核心观点与论据

1. CADe技术显著提升ADR但存在局限性
- 证据：基于44项随机对照试验（RCTs）的Meta分析表明，CADe使ADR从36.7%提升至44.7%（RR 1.21），腺瘤漏诊率从35.3%降至16.1%（RR 0.47）。其中，YOLO架构系统提升最显著（ADR从22%→29%）。
- 局限性：增效主要来自微小息肉（<5mm）的检出，对进展期腺瘤的检测提升有限（每例结肠镜检出数仅从0.15→0.16）。Sinonquel等的双盲试验发现，CADe新增检出病变中仅2.3%需调整监测间隔。

2. 对锯齿状病变（SSLs）的检测效果有限
- 证据：CADe使SSLs检出率提升21%（RR 1.21），但每例结肠镜检出数仅增加0.02。这与SSLs的特殊形态（平坦、近端分布）及训练数据不足相关。
- 临床意义：SSLs占间期癌的35%，现有CADe算法对其识别能力仍需优化。

3. 联合辅助技术可进一步优化性能
- 证据：与黏膜暴露设备（如Endocuff Vision）联用时，ADR额外提升7.4%，显著高于单独使用染色内镜（4.4%）或窄带成像（4.1%）。
- 机制：Endocuff通过机械展平结肠皱襞，弥补了CADe对隐藏病变的检测盲区。

4. 潜在风险：操作者技能退化（Deskilling）
- 证据：波兰研究发现，长期依赖CADe的医师在传统结肠镜中的ADR下降6.3%（28.4%→22.1%）。
- 对策：建议定期进行非AI辅助训练，建立AI辅助教学反馈系统。

5. 长期临床价值尚未明确
- 关键矛盾：虽然ADR提升与CRC风险降低相关（ADR每增1%，癌症风险降3%），但CADe主要检出低风险微小病变，对进展期腺瘤影响有限。
- 研究缺口：目前缺乏CADe对CRC发病率/死亡率影响的长期随访数据。

未来研究方向
1. 算法优化：扩大训练数据集，纳入更多平坦型、锯齿状及浸润性病变
2. 临床验证：设计以CRC死亡率/发病率为终点的前瞻性队列研究
3. 人机协作：开发防止技能退化的混合培训模式

学术价值
本文首次系统评估了CADe技术的”双刃剑”效应：一方面标准化了结肠镜质量，另一方面揭示了其对临床终点的间接影响。为AI在消化内镜领域的转化研究提供了关键循证依据，尤其强调需平衡技术创新与临床实效性。

（注：全文约1500字，严格遵循术语翻译规范，如首次出现”Computer-Aided Detection”标注为”计算机辅助检测（CADe）”，机构名保留原文，数据均引用原文Meta分析结果）