研究背景
鼻咽癌(nasopharyngeal carcinoma,NPC)是一种起源于鼻咽上皮细胞的恶性肿瘤,在东南亚和中国南方地区高发。由于解剖位置隐蔽且早期症状缺乏特异性,早期发现仍然具有挑战性。窄带成像(Narrow-Band Imaging,NBI)内镜技术可增强黏膜微血管模式及细微病灶的显示,有助于更早发现和更精准诊断。Ni分型系统已被用于根据NBI所见对病灶血管模式进行分类,以提高良恶性病变的鉴别能力。然而,临床医生对图像的解读存在差异,尤其在不同经验水平之间,这限制了其持续稳定的临床应用价值。
人工智能(Artificial Intelligence,AI),尤其是深度学习,已成为标准化图像判读并辅助临床决策的有前景工具。本研究针对鼻咽NBI检查中病灶分类需保持一致且准确这一临床需求,开发并验证了AI辅助的Ni分型系统。同时,本研究还采用严格的多读者研究设计,评估了AI辅助对医生诊断表现及活检决策的影响。
研究设计
本研究为一项回顾性与前瞻性相结合的多中心诊断研究,收集了来自多家医院的5,404张高质量鼻咽NBI图像。作者开发了用于病灶区域勾画和五分类Ni分型判定的深度学习网络,二者相互独立完成。
该AI模型在内部进行了验证,并在两个独立外部队列及一个录像验证集中进行了测试,以确保其稳健性和泛化能力。在前瞻性读者研究阶段,12名医生(按初级和高级分层)对来自CHSZCAMS机构的200张NBI图像进行评估。研究采用随机多读者交叉设计,医生分别在有AI辅助和无AI辅助条件下解读图像。结局指标包括诊断准确率、采用Fleiss kappa统计量量化的观察者间一致性,以及潜在不必要活检建议的发生频率。
主要发现
该AI模型在各验证数据集上均表现出较高且稳定的诊断性能。在两个外部队列中,准确率分别为88.9%和87.3%,相应受试者工作特征曲线下面积(area under the curve,AUC)分别为0.976和0.967,显示出优异的区分能力。
录像验证集结果相近,准确率为88.8%,AUC为0.974,提示其可适用于更接近真实临床场景的动态影像。
在读者研究中,AI辅助显著提高了诊断一致性。初级医生的Fleiss kappa由0.610(中等一致性)提升至0.788(较强一致性),高级医生则由0.744升至0.870(均为p<0.05),表明AI输入可提升初学者和专家的判读可靠性。
更重要的是,AI支持显著减少了潜在不必要的活检决策。初级医生的不必要活检比例由21.6%降至10.3%,高级医生由13.7%降至8.0%,提示AI整合可能降低过度治疗相关的患者伤害和医疗成本。
专家点评
本研究代表了鼻咽病灶内镜评估领域的重要进展。该AI系统能够在保持甚至超过人工水平性能的同时自动完成Ni分型,有望推动诊断标准化并促进鼻咽癌的早期发现。
多中心设计及外部队列的纳入降低了过拟合方面的顾虑,并提示该模型具有较广泛的适用性。随机交叉读者研究进一步提供了重要的转化医学证据,展示了AI如何影响医生决策,这是超越纯技术验证的重要一步。
其局限性包括图像采集的回顾性性质,以及样本可能偏向高质量图像,未必能完全反映常规临床实践中的实际挑战。要进一步证实其临床实用性及工作流程整合可行性,还需在实时内镜场景中开展前瞻性应用研究。
结论
经验证的AI辅助Ni分型系统可在不同数据集中提供较高诊断准确率,从而改善鼻咽病灶评估。AI支持可提升医生间一致性并减少不必要活检,有望改善患者结局并优化资源利用。这些发现支持将该AI模型作为鼻咽NBI内镜检查中的第二读片工具进一步开展临床评估,最终有助于实现更标准化、更精准的鼻咽癌诊断。
资金来源与试验注册
已发表摘要中未说明资金来源及临床试验注册信息,建议查阅全文以确保透明性。
参考文献
1. Huang JL, Li LJ, Wang ML, et al. AI-Assisted Ni Classification in Nasopharyngeal NBI: Multicenter Validation and Reader Study. The Laryngoscope. 2026 Nov 17. PMID: 43046223.
2. Chan JYW, Tsang RKW, Lo KW. Nasopharyngeal carcinoma—an update on current and potential treatment options. Cancer Treat Rev. 2018;69:73-81.
3. Zhang L, Hu CF, Lu Q, et al. Application of narrow-band imaging in early diagnosis of nasopharyngeal carcinoma. J Otolaryngol Head Neck Surg. 2020;49(1):25.
4. Huang J, Ye J, Zhang X, et al. Deep learning-enabled assessment of narrow-band imaging for gastric and nasopharyngeal cancer. Nat Biomed Eng. 2023;7:786-794.
相关科室计算器
供临床参考,请结合专业判断使用。