摘要
背景：结直肠癌（colorectalcancer，CRC）是消化系统最常见的恶性肿瘤之一。结肠镜检查是诊断早期CRC的金标准，通过结肠镜检查及内镜下切除病变可降低CRC的发病率和死亡率。内镜下切除术目前已广泛应用于早期CRC的一线治疗。目前指南推荐肿瘤局限于黏膜（Tis）或黏膜下浅层的早期CRC（T1a，黏膜下浸润lt;1000μm）采用内镜下切除术。然而，对于黏膜下深浸润的结直肠肿瘤（T1b，黏膜下浸润≥1000μm），推荐采用外科手术治疗。因此，预测肿瘤浸润深度对于确定结直肠肿瘤的治疗策略至关重要。 目前临床上主要是通过放大内镜（magnifyingendoscopy,ME）和图像增强内镜（image-enhancedendoscopy,IEE）对肿瘤病变微血管和表面结构进行仔细观察分类来评估结直肠病变的浸润深度。但其诊断准确性主要依赖于内镜医师的操作经验，在观察者之间存在差异。随着机器学习、深度学习以及卷积神经网络的出现，计算机辅助诊断（computer-aideddiagnosis，CAD）算法凭借着对复杂图像出色的处理和分析能力，理论上也能够对结直肠肿瘤浸润深度做出准确和客观的预测。但相关研究目前存在样本量小，统计稳健性不足等局限性，并且人们对CAD算法的准确性存在担忧，以及它们是否与内镜专家一样出色，或者是否至少比专业水平有限的内镜医师表现更好，目前还存在争议。 目的：评估CAD算法在预测早期CRC浸润深度方面的诊断检测准确性，并比较CAD算法与内镜医师之间的诊断表现，为临床提供更为可靠的证据，帮助内镜医师选择更合理的治疗方式。 方法：对截止2022年7月前的PubMed、Embase、CochraneLibrary、WebofScience以及ProQuest数据库中的相关文献进行系统检索。然后由两名系统评价人员分别对文献进行严格筛选和数据提取。使用双变量混合效应回归模型计算汇总的加权敏感度、特异度、阳性似然比、阴性似然比和诊断比值比，以及对应的95%置（summaryreceiveroperatingcharacteristic，SROC）曲线，并确定曲线下面积（areaunderthecurve，AUC）。组间比较使用Z检验，P值小于0.05认为差异具有统计学意义。此外，通过计算Spearman相关系数（r）和I2值进行阈值效应和异质性的检验。如果发现存在明显的异质性，则进行敏感性分析来解释和识别异质性的来源。最后对临床适用性、纳入研究的方法学和证据质量、发表偏倚进行了评价分析。 结果：本研究纳入13项研究，共包括1472个病变的13,918张图片。由于存在明显的异质性，进行敏感性分析后将研究根据国家进行分组，分为基于日韩的研究和基于中国的研究。对于前者，CAD算法预测结直肠肿瘤浸润深度的准确性（AUC）为0.89（95％CI,0.86–0.91），敏感度为62％（95％CI,50-72％），特异度为96％（95％CI,93-98％），阳性似然比为16.8（95％CI,9.1-31.1），阴性似然比为0.40（95％CI,0.30-0.53），诊断比值比为42（95%CI，21-82）；对于后者，CAD算法的AUC为0.94（95％CI，0.92–0.96），敏感度为88％（95％CI，78-94％），特异度为88％（95％CI，80-93％），阳性似然比为7.4（95％CI,4.2-13.1），阴性似然比为0.14（95％CI,0.07-0.27），诊断比值比为53（95%CI，18-160）。在CAD算法与内镜医师比较的结果中，基于日韩的研究中CAD算法的准确性与所有内镜医生相比，没有统计学差异（0.88vs.0.91，P=0.10），但劣于内镜专家（0.88vs.0.92，P=0.03）。而在基于中国的研究中CAD算法在准确性和敏感度方面优于所有内镜医师（准确性：0.94vs.0.90，P=0.01；敏感度：88%vs.72%，P=0.01）。 结论：CAD算法在预测早期CRC浸润深度方面表现出与所有内镜医生可比的准确性，但表现仍低于内镜专家。在将其广泛应用于临床实践之前，应当取得更多的改进。
NETL