胶囊内镜人工智能系统临床应用专家共识2025
一、前言
胶囊内镜(CE)是一种无创、便携、可视化的消化道检查方法。该技术通过让患者吞服一个配备摄像头和无线传输装置的微型胶囊，对消化道进行连续图像采集。与传统内镜相比，胶囊内镜具有无创、患者接受度高、操作简便以及检查范围广等优势，避免了传统机械插入式内镜检查带来的痛苦，尤其适用于常规内镜难以到达的小肠管腔检查。其主要适应证包括小肠出血、不明原因贫血和腹痛、克罗恩病以及小肠肿瘤的检测，是诊断小肠疾病的一线检查方案。
尽管胶囊内镜在消化道检查中的表现优于其他体外替代成像技术，但传统的人工阅片仍存在漏诊率偏高、阅片时间长等问题，在血管性病变、溃疡和肿瘤性病变等方面，其漏诊率分别为5.9%、0.5%和18.9%,这揭示了胶囊内镜在临床应用中可能面临以下挑战：
首先，胶囊内镜捕获的图像分辨率相对较低，这可能导致内镜医师难以准确识别细微的黏膜病变或表观特征不明显的早期病变；
其次，胶囊在消化道内的位置和移动速度不可控，部分区域可能无法被充分观察，导致潜在病灶的遗漏；再次，胶囊内镜检查生成的大量视频和图像资料需要医师花费大量时间和精力阅片，且因长时间阅读和注意力局限，可能导致漏诊和误诊。因此，如何提升医师对于胶囊内镜影像的阅
片效率、降低漏诊率、优化操作流程以及提高胶囊内镜影像的质量，是亟待解决的重要问题。
近年来，人工智能(AI)技术在消化道成像领域应用取得了显著进展，尤其是卷积神经网络(CNN)等深度学习算法在胃肠道病灶检测任务中展现出了与专业内镜医师相当的能力。AI在胶囊内镜领域展现出广阔的应用前景，能够快速处理和分析大量影像数据，并做出准确的预测。目前，国内外已有大量研究探索了AI在胶囊内镜中的潜力，其在病灶识别、图像分类和辅助诊断等方面的作用令人瞩目。
这些研究不仅推动了胶囊内镜技术的发展，也为未来智能化诊断系统的普及奠定了坚实基础。随着技术的不断成熟，AI有望成为胶囊内镜的重要辅助工具，进一步提升临床诊断的精准性和效率。本共识旨在综合现有研究证据，为临床医师在应用胶囊内镜AI辅助模型时提供决策参考。本共识并非强制性标准，无法涵盖或解决所有技术相关的临床问题。建议临床医师在面对具体患者时，应充分了解目前能够获取的最佳临床证据，结合患者病情和治疗意愿，根据自己的专业知识、临床经验和可获得的医疗资源，制定临床决策。
本共识基于研究对象、干预措施、对照措施、结局(PICO)原则提出陈述意见，参考推荐等级的评估、制定与评价(GRADE)系统对证据质量(表1)和推荐强度(表2)进行分级，采用改良Delphi方法(表3)由专家投票表决达成共识。其中，投票表决意见中①+②比例80%属于达成共识，共识水平以表决意见中的①+②比例表示(表4)。
表1证据质量的推荐分级评估、制定和评价
证据质量
等级
定义
高等质量
A
非常确信估计的效应值接近真实效应值，进一步研究也不可能改变其可信度
中等质量
B
对估计的效应值确信度中等，其有可能接近真实效应值，进一步研究有可能改变其可信度
低等质量
C
对估计的效应值确信度有限，其与真实效应值可能大不相同，进一步研究极有可能改变其可信度
很低等质量
D
对估计的效应值几乎没有信心，其与真实效应值很可能完全不同，对其的任何估计都很不确定
表2推荐强度分级
推荐强度等级定义
强1明确显示干预措施利大于弊或者弊大于利，
在大多数情况下适用于大多数患者
弱2利弊不确定，或无论质量高低证据均显示利
弊适当，适用于很多患者，但根据患者价值观与偏好性会有差异
表3改良Delphi方法的共识投票意见选项
投票选项定义
1完全同意
2同意，有较小保留意见
3同意，有较大保留意见
4不同意
表4本共识包含的陈述条款
推荐意见
证据质量推荐强度
共识水平(%)
一、AI辅助胶囊内镜质量控制
陈述1:对于胶囊内镜检查阅片，建议使用AI以提升阅片效率
B1
100
陈述2:对于上消化道胶囊内镜检查，可以使用AI辅助实时监测上消化道解剖图像作为质量控制工具
C2
100
陈述3:建议使用AT辅助进行肠道准备评估作为小