数字化内镜图像特征提取结合血清肿瘤标志物对结直肠癌前病变风险分层的价值

摘要

目的 探讨基于SE注意力Super Point算法的数字化内镜图像特征提取联合血清肿瘤标志物检测在结直肠癌前病变风险分层中的应用价值。方法 回顾性分析2023年1月—2025年12月本院收治的300例结直肠病变患者的临床资料，根据病理结果分为良性病变组、低危癌前病变组（低级别上皮内瘤变）和高危癌前病变组（高级别上皮内瘤变），每组100例。所有患者均行数字化内镜检查，采用基于SE注意力的轻量化Super Point算法提取5项核心图像特征;检测血清癌胚抗原（CEA）、糖类抗原19-9（CA19-9）、糖类抗原242（CA242）水平。采用Shapiro-Wilk检验验证数据正态性，采用受试者工作特征（ROC）曲线分析单一指标及联合检测的诊断效能，构建风险分层模型并通过Bootstrap法（1 000次）验证，采用Hosmer-Lemeshow检验评估模型校准度。采用多元线性回归分析探讨图像特征与病变程度的相关性。结果 高危癌前病变组血清CEA、CA19-9、CA242水平均高于低危癌前病变组和良性病变组，低危癌前病变组上述指标水平高于良性病变组，差异均有统计学意义（经Bonferroni校正，P <0.001）。数字化内镜图像特征中，高危癌前病变组血管形态紊乱率、腺体结构不规则率、病灶边界模糊率均高于低危癌前病变组和良性病变组，纹理特征均值及亮度均匀性均值低于低危癌前病变组和良性病变组，差异均有统计学意义（P <0.001）。多元线性回归分析显示，血管形态紊乱（β=0.382,P <0.001）和腺体结构不规则（β=0.365,P <0.001）与病变程度的正相关强度居前2位。联合检测（图像特征+血清标志物）的曲线下面积（AUC）、灵敏度、特异度均显著高于单一血清标志物（CEA、CA19-9、CA242）及单一图像特征提取，经Bonferroni校正后差异有统计学意义（均P <0.001）。基于联合检测指标构建的多因素Logistic回归风险分层模型，校准度良好（Hosmer-Lemeshow检验，χ²=5.236,P=0.731），经Bootstrap法1 000次内部验证后，模型AUC为0.928（95%CI:0.895～0.956），稳定性较好。结论 基于SE注意力Super Point算法的数字化内镜图像特征提取结合血清肿瘤标志物检测，可显著提升结直肠癌前病变风险分层的准确性，较传统内镜评估更具客观性和标准化。

关键词

结直肠肿瘤 / 癌前病变 / 内镜检查 / 人工智能 / 生物标志物 / 风险评估 / 诊断技术 / 机器学习

基金资助

国家自然科学基金(81803326)