ENDOVISTA-ENT：鼻咽喉镜质量控制辅助与病灶识别一体化AI系统的开发与初步验证
核心概要
该回顾性两中心研究基于中山大学附属第一医院1 562例与上海交通大学医学院附属瑞金医院803例共2 365例患者，构建了用于鼻咽喉镜体内/体外图像判定（模型1）、11个标准解剖部位识别（模型2）及病灶定位与良恶性判定（模型3）的一体化AI系统ENDOVISTA-ENT，其内外部准确率分别为99.44%/99.84%与96.09%/94.73%，模型3恶性病灶AUC为0.986/0.968、早期鼻咽癌喉癌及下咽癌AUC为0.878~0.932，AI辅助使6名不同资历医师对200例病理明确病例的总体判读准确率由78.50%提升至88.20%（χ²=40.37，P<0.001），单帧检测耗时（15.2±
深度剖析
研究构建了覆盖检查质量控制与病灶识别的三模型一体化系统ENDOVISTA-ENT，模型1判定图像取自体内或体外，模型2识别11个标准解剖部位，模型3完成病灶定位与良恶性判定。 相对单一任务的内镜AI工具，该工作将质控与诊断识别整合进同一系统，并在两个独立中心的数据上分别报告内部测试与外部验证性能。 基于两中心2 365例回顾性数据，开发与内部测试1 562例、外部验证803例，模型1内外部准确率99.44%与99.84%，模型2为96.09%与94.73%，各解剖部位AUC为0.99~1.00。
模型3在恶性病灶识别上取得较高判别能力，并对早期鼻咽癌、喉癌及下咽癌保持可用的识别性能。 研究不仅报告总体良恶性判别，还单独分析早期上呼吸消化道肿瘤这一临床更易漏诊的亚组。 模型3内外部精确率84.11%与82.73%、召回率80.60%与78.31%，恶性病灶AUC为0.986与0.968；早期鼻咽癌、喉癌及下咽癌在内部测试集与外部验证集AUC为0.878~0.932。
AI辅助可提升不同资历医师的病灶判读准确率。 通过6名不同资历医师对随机抽取的200例病理结果明确病例进行独立判读与AI辅助判读的对照，量化了系统的人机协同增益。 医师总体准确率由78.50%提高至88.20%，χ²=40.37，P<0.001，样本为200例病理确诊病例。
系统具备实时运行能力，可支持检查过程中的即时反馈。 研究同时报告了单帧检测耗时、处理帧率与端到端延迟，说明该系统面向实时镜检场景设计。 模型3单帧检测耗时（15.2±3.4）ms，系统处理帧率（28.5±2.1）帧/s，端到端延迟<40 ms。
启示与展望
该系统面向鼻咽喉镜检查场景，用于体内外图像判定、11个标准解剖部位识别以及病灶定位与良恶性判定，并可在检查过程中提供实时反馈；其开发与内部测试基于中山大学附属第一医院1 562例，外部验证基于上海交通大学医学院附属瑞金医院803例，人机对照判读基于测试集中随机抽取的200例病理结果明确病例，由6名不同资历医师完成。研究结论指出其为进一步临床验证提供了依据，因此适用对象是开展鼻咽喉镜诊疗并具备相应图像采集条件的医疗机构与内镜医师。
作为初步验证，系统在真实临床工作流中的前瞻性表现、对不同设备与操作者图像质量的稳健性、以及早期病变识别AUC相对总体恶性病灶AUC略低所提示的识别难度，仍是后续研究需要回答的问题；此外，本文为摘要层面的信息，具体模型架构、训练细节与亚组样本量等未在文本中展开，读者若需评估方法细节仍需查阅原文。