来源：IBD Daily

克罗恩病 (CD) 是一种慢性、进展性炎症性肠病，小肠是最常受累部位之一。约80%的CD患者存在小肠受累，其中约30%为单纯小肠病变。传统回结肠镜虽是重要检查手段，但对大部分小肠区域难以完整覆盖，容易形成诊断盲区。胶囊内镜因其无创、可可视化全小肠黏膜的优势，已成为小肠CD诊断与评估的重要工具。

然而，胶囊内镜检查往往会产生海量图像 (一次检查可生成数万张图像)，医生需要在数万帧画面中逐一甄别病变，耗时长、劳动强度高，且容易因病灶隐匿、形态细微或经验差异而出现漏判、误判。尤其在基层医院或年轻医生主导阅片的场景中，这一问题更加突出。因此，亟需一种能够自动化、标准化分析胶囊内镜视频的智能系统，以提高诊断效率和准确性。

为解决上述难题，研究团队围绕胶囊内镜全流程分析中的多个关键瓶颈，开展了一系列技术攻关，最终研发了INTELCAPE多任务深度学习系统。该系统并非只完成单一病灶识别，而是打通了从原始视频到疾病判断的关键链条，可自动完成：

1.小肠区域分割：从完整胶囊内镜视频中精准提取小肠片段，减少无关画面干扰。该模块采用ResNet-Transformer混合架构，通过多帧融合与注意力机制实现高精度解剖分段。

2.病灶检测识别：自动识别溃疡、糜烂等与克罗恩病相关的8类可疑病灶，并定位病灶区域。该模块基于EfficientNet与背景感知弱监督定位机制 (B-CAM)，在保证高精度的同时降低了标注成本。

3.克罗恩病辅助诊断：综合病灶模式与分布特征，对是否提示克罗恩病作出智能判断。该模块采用双层Transformer结构，对全小肠段病灶帧进行时空特征聚合，最终输出视频级诊断概率。

在技术路径上，INTELCAPE融合了ResNet、Transformer和EfficientNet等深度学习架构，形成分层处理能力，既关注局部病灶细节，也重视全局病变分布模式。针对不同中心、不同设备分辨率 (360×360和576×576) 和真实世界数据差异，团队还进行了跨中心训练与微调：首先在中山六院的大规模数据集 (n=757) 上训练基础模型，然后在瑞金医院的数据集 (n=115) 上进行微调，提升了系统在不同临床环境中的泛化能力。这种从“单点识别”走向“全流程辅助决策”的设计，是团队攻克临床转化难题的关键所在。

研究为多中心、回顾性设计，纳入2015年1月至2023年9月期间接受胶囊内镜检查的患者，最终872例视频 (中山六院757例，瑞金医院115例) 进入分析。所有数据均由两名资深消化内镜科医生进行双盲标注，并经共识确认。研究还采用多读者多病例 (MRMC) 框架，评估了20名不同年资医生在INTELCAPE辅助前后的诊断表现。

➤小肠区域分割准确可靠

模型在中山六院与瑞金医院数据中的IoU分别达到94.82% (95% CI: 93.28%-96.36%) 和96.87% (95% CI: 94.63%-99.12%)。胃、小肠、大肠三部位识别的AUC值均超过0.92，在中山六院数据中整体AUC达0.928，瑞金医院达0.952。模型处理单视频平均耗时78.3秒，显著快于专科医生 (217.2秒)、主治医生 (278.5秒) 和住院医师 (354.2秒)。

➤病灶检测性能突出

病灶识别AUC在中山六院与瑞金医院数据中分别达到0.993 (95% CI: 0.99-0.99) 和0.980 (95% CI: 0.96-0.99)。在1800张图像的测试集中，INTELCAPE的分类准确率达到99.33%，显著高于住院医师的91.05% (p<0.001)，与专科医生的97.83%无统计学差异。单帧图像处理时间仅20毫秒，远快于人类医生 (数秒)。

➤疾病诊断能力强

克罗恩病诊断AUC在中山六院与瑞金医院数据中分别达到0.982 (95% CI: 0.95-1.00) 和0.984 (95% CI: 0.93-1.00)，总体诊断准确率达到90%，与专科医生的93.33%水平相当。模型完成克罗恩病诊断的速度较医生快10倍 (265秒vs. 2632秒)。

➤AI辅助显著提升医生表现

在MRMC研究中，20名医生 (包括专科医师、主治医师、住院医师和进修医师) 在INTELCAPE辅助下：

整体诊断准确率由76.7% 提升至94.8%，绝对提升18.2个百分点 (95% CI: 14.8-21.5 pp)；整体阅片时间由67.9分钟缩短至22.5分钟，降幅65.7% (95% CI: -66.6%至-64.8%)。住院医师和进修医师提升幅度最大，准确率提升超过20个百分点，时间缩短近70%。专科医师在AI辅助下也有6.8个百分点的准确率提升和30.9%的时间缩短。

INTELCAPE系统通过多任务深度学习框架，实现了对胶囊内镜视频的全自动分析，涵盖小肠分割、病灶检测与CD诊断三大核心任务。该系统在多个中心数据上均表现稳定，诊断精度媲美专科医生，处理速度显著提升，尤其在辅助低年资医生方面具有重要临床价值。未来需在前瞻性队列中进一步验证其普适性与稳定性，以推动其在临床实践中的落地应用。

INTELCAPE的重要意义，在于它有望把优质、小肠导向的克罗恩病诊断能力，从少数经验丰富的专科中心，进一步推广到更广泛的基层医院中。

一方面，系统可显著减轻胶囊内镜阅片负担，提升诊断流程标准化水平，帮助医生更快锁定可疑病灶，减少人为疏漏。另一方面，对于经验相对不足的临床医生，INTELCAPE提供了具有实用价值的决策支持，有望帮助其达到更接近专科医生的判断水平。这对于早期识别小肠克罗恩病、缩短诊断延迟、尽早制定治疗策略，具有非常突出的现实意义。

尤其是在优质消化专科资源仍相对集中的现实背景下，这项成果展示了人工智能技术真正服务临床、服务患者的潜力。它不只是让胶囊内镜“更智能”，更有望让克罗恩病诊断及复发监测“更可及”。