联动成像内镜辅助诊断幽门螺杆菌感染的研究进展

幽门螺杆菌(Helicobacter pylori，

)是慢性胃炎的重要致病因子，它入侵胃黏膜导致炎症的同时损伤胃黏膜腺体结构，造成肠上皮化生和萎缩性胃炎，并可进一步发展为上皮内瘤变

，WHO已将其列为胃癌的一级致癌因子。目前诊断

的方法主要分为非侵入性与侵入性检查两类。

C/

C呼气试验是临床上应用最广泛的非侵入性检查，但当检测值接近临界值时，结果并不可靠

。由于

在胃内呈局灶性分布，侵入性检查如快速尿素酶实验(rapid urease experiment，RUT)，多为内镜下随机取材，可能存在一定的假阴性

。近年来，图像增强内镜技术不断发展，包括窄带成像(narrow-band imaging，NBI)、蓝激光成像(blue laser imaging，BLI)、联动成像(linked color imaging，LCI)等，凭借着高清晰度以及电子染色技术，能够观察到胃黏膜形态和颜色的微小改变，显著提高内镜诊断准确率

。其中，LCI技术因能够提高黏膜之间的色差，使得红色区域更红、白色区域更白，更有利于各种胃肠道黏膜病变的观察

，并对识别

感染的黏膜有独特的作用

。

假定从t=0时刻到所有部件进行一次替换为全周期。由1.2节假设(3)可知，由于AC结构简单，维修工作易于完成，故其维修耗时可忽略不计。MC的维修工作相对复杂，应充分考虑其维修耗时及停机维修造成的经济损失。全周期可以划分为运行期和维修期两部分，如图2所示。由图可知，这里考虑了不完全维修的间隔随部件年龄增长的变化。

1 LCI内镜的原理

LCI与NBI均使用了波长为(415±30)nm的窄带光，该光谱与血红蛋白的吸收带一致，能清晰辨认黏膜的血管结构；同时它还因结合白色激光，可明显提高内镜图像的亮度，克服了NBI远处视野较暗的缺点

。LCI系统还通过图像处理技术，对色彩进行再分配，增强了光谱红色区域的色调差异，使得红色区域更红、白色区域更白，与白光内镜相比能更清晰地观察到集合小静脉并识别黏膜颜色的微小差异，从而帮助内镜医师做出更准确的内镜诊断以及提高活检的精准度。

2 LCI内镜诊断H.pylori感染的标准

目前临床应用最广泛的内镜下诊断

感染的标准是京都胃炎分类

，当内镜下观察到黏膜萎缩、肠上皮化生、弥漫性发红、点状发红、增生性息肉、鸡皮样改变等表现时往往提示胃黏膜存在

感染。Takeda等

回顾性纳入261例患者在白光内镜(white color imaging，WLI)、BLI及LCI三种模式下的胃镜图像，随后进行BLI及LCI图像的可见度评分，分值从5分(与WLI相比改善)到1分(与WLI相比降低)。结果显示，与WLI相比，所有内镜医师均报告LCI对弥漫性发红、地图状发红、肠上皮化生、萎缩边界等表现的可见度有提高，而BLI仅对肠上皮化生的可见度提高。尽管京都胃炎分类标准是基于WLI观察到的胃黏膜表现制定的，但此研究

表明，LCI内镜同样能使用该标准，并且有更高的可见度，更容易识别胃黏膜病变。然而，该研究涉及的三种内镜图像的差异较大，无法应用盲法，使得观察者间不可避免地出现偏倚，评分标准的主观性强，偏倚难以控制，需要进一步的大型随机对照研究证实。

3 LCI内镜与传统WLI对比

LCI问世不久，Dohi等

即比较了LCI与WLI诊断

感染的能力。该研究回顾性纳入

现症感染和根除成功的患者各30例，LCI和WLI均以观察到胃黏膜弥漫性发红作为诊断

感染的标准，4名内镜专家使用LCI诊断

感染的平均准确性、敏感性、特异性、阳性预测值和阴性预测值均明显高于WLI。但该研究尚存在一些不足，如研究者考虑到WLI对辨别正常人群与现症

感染患者的准确率很高，故选择了根除成功的人群作为对照，而不是从未感染

的正常人群，且为小样本回顾性研究，结果可能存在一定偏倚。Ono等

为进一步证实该结论，后续进行了一项多中心前瞻性研究，随机收集了158例胃镜检查患者，将呼气试验和血清学试验结果一致作为金标准，两项检测结果均为阴性但组织学证实为萎缩或肠上皮化生的病例被定义为既往感染。结果显示，WLI诊断准确性、敏感性、特异性分别为79.5%、84.4%、74.6%，LCI为86.6%、84.4%、88.9%，LCI显著提高既往感染患者的诊断准确率(78.9%

36

8

，

<0.01)，说明在萎缩及肠上皮化生的黏膜背景下，LCI比传统的WLI更有优势。因此，当使用内镜评估已接受根除治疗的患者以及出现黏膜萎缩的患者的

感染情况时，LCI更为准确。

在整个南北朝时期，引领和推动东西经济贸易、南北政治交往的主角则是鲜卑吐谷浑人。“吐谷浑”即“苍鹰”之意⑦卓鸿泽：《吐谷浑的藏文撰写藏文名称及其阿尔泰语源》，载沈卫荣《西域历史语言研究集刊》第三辑，科学出版社，2010年，第17-31页。，这只勇猛的民族之鹰，在西晋初年西迁青海草原，建立吐谷浑王国，今柴达木盆地则成为其大本营和安全后院，政治中心在今都兰县。吐谷浑从建国到灭亡，共传15代22王，立国350年之久，在沟通中外丝路、联络南北中起到了积极的历史作用。

国内外多个研究均证实LCI诊断

感染的能力优于WLI，且观察者之间的一致性良好

。其中，Wang等

还分析了内镜医师使用LCI和WLI观察胃窦、胃体时所作出的诊断是否存在差别。结果显示，LCI在观察胃体时诊断

感染的敏感性和特异性均显著高于其他亚组，达到85.41%和79.71%。该结果与临床实际一致，特别在萎缩性胃炎患者当中，由于萎缩及肠上皮化生黏膜不利于

定植

，随着萎缩范围从胃窦开始逐渐扩大，

在萎缩的黏膜上消失，局部的炎症反应减轻，黏膜发红、糜烂改善，无论是从内镜图像还是从活检取材的角度来讲，胃体

阳性率均要高于胃窦。因此，在使用LCI评估

感染时，着重观察胃体黏膜的变化，更有助于提高诊断准确率。

4 LCI与BLI、放大内镜等新型内镜对比

我们团队

也进行了一项LCI与WLI活检诊断

感染的前瞻性研究，LCI模式下选择胃窦及胃体黏膜明显发红区域作为活检最佳部位，对照组按照共识意见取材，标本均进行RUT和免疫组化染色。结果显示，LCI活检诊断

的阳性率均高于WLI，差异有统计学意义。在亚组中，

C-UBT阳性的25例慢性萎缩性胃炎患者在LCI模式下行RUT的阳性率明显高于WLI模式(75.0%

30

8

，

<0.05)，

C-UBT阴性的21例慢性萎缩性胃炎患者中，LCI模式下行RUT的阳性率高于WLI模式(70.0%

27.3%)。上述结果说明在慢性胃炎，尤其是萎缩性胃炎的患者中，LCI模式活检的阳性率明显高于WLI，甚至在呼气试验假阴性的萎缩性胃炎患者中，LCI模式能够通过其成像特点精准活检，正确诊断出

感染，但由于入组本研究的萎缩性胃炎患者较少，仍需更进一步的临床研究证实。目前LCI靶向活检诊断

感染的相关研究较少，LCI是否真的能够做到靶向活检，以及取材部位的选取除异常发红部位以外是否存在其他选择仍待更深入的研究证实。

Chen等

研究则比较了LCI和放大内镜诊断

感染的能力，结果显示LCI与放大内镜诊断的准确性、敏感性和特异性分别为78.38%、81.98%，70.97%、81.25%和80.65%、82.5%，差异无统计学意义。但放大内镜检查要求检查者有足够的经验且需要细致地观察黏膜表面的变化，如发红、肿胀、结节性改变等，导致检查时间延长，容易引起患者的不适。而LCI内镜只需按钮切换模式就能够直观地提高病变黏膜的色彩差异，缩短了检查与诊断时间，减轻患者的不适。因此，在临床工作中对怀疑

感染的患者进行胃镜初筛时，选用LCI模式能达到与放大内镜检查同等的效果，同时可提高患者的依从性。

5 LCI内镜与靶向活检

下文中将应用MATLAB分别计算n=1,2,3时P(n)的值，即系统进行1～3次充电子过程后，理论的充电成功概率值。

数学学科中的青年教师大多毕业于985、211等高校，教师的专业基础扎实，但缺乏一定的教学实践经验，申请项目和发表文章的能力也有待提高。而民办院校中的学生数学基础一般较弱，理解理论知识的能力不高。在这样的前提下，要确立的共同目标就是提高数学学科青年教师教授数学知识的应用能力，将复杂问题简单化，使学生能学好数学、爱上数学，进而提高学生的整体数学素养，最终提高青年教师个人的专业素质和科研水平。

图像增强内镜不仅能够为内镜医师提供清晰的内镜图像，还可通过电子染色提高病变黏膜的识别度，做到靶向活检，应用于消化道早癌的诊断

。与早期胃癌相比，

感染所致黏膜改变的特异性更低，尽管我国最新的

诊治共识中RUT的取材推荐多点活检

，但WLI下由于清晰度及色彩对比度不足，使活检有一定的主观性、经验性和随机性，再加上

在胃内呈局灶性分布，导致活检的准确率受到影响。

LCI是在BLI-BRT模式的基础上经过计算机图像处理，对色彩进行再分配形成的新技术，与主要是蓝色光信号和绿色光信号的BLI不一样，LCI还有额外的红色光信号。Zhu等

的研究纳入120例患者，均进行4种模式下的内镜观察，随后将WLI设为对照组，LCI、BLI-BRT模式以及BLI联合放大内镜模式作为试验组，以研究不同种类的图像增强内镜对慢性胃炎的诊断价值。研究显示，LCI观察

感染者时能清楚分辨出正常黏膜与炎症黏膜的红白边界，而BLI-BRT模式以及BLI+ME模式虽然能识别出病变的颜色和微小结构的改变，却不能辨认其边界。因此，LCI相比其他模式有更高的诊断准确率，且与病理诊断的一致性最佳。内镜医师选用LCI模式给慢性胃炎患者进行活检时，可有意识地去辨别病变边界，提高活检精确度以及与病理诊断的一致性。

龚伟等

前瞻性研究对比了WLI与LCI镜下诊断

感染的能力，还同时比较了WLI按照共识意见取材与LCI于异常发红处靶向取材的差别。结果显示，40例慢性胃炎患者中，WLI模式活检病理诊断

阳性6例，LCI模式22例，且包含WLI所诊断的6例。因此，该研究认为LCI内镜靶向活检诊断

感染具有一定的可行性及优势。

6 LCI内镜诊断H.pylori感染的创新方法

京都胃炎共识使得内镜诊断

感染成为可能，但其准确性仍受限于检查者的经验和知识，内镜诊断的方法仍需不断改进。

有学者围绕LCI能够提高黏膜色差这一优点，尝试探索内镜诊断的新方法。王菲等

尝试用客观、量化的方法对比LCI和WLI的诊断效能。该研究对内镜下怀疑

感染的黏膜进行活检的同时，应用计算机软件将活检处黏膜的颜色量化为R、G、B值，随后作出了LCI和WLI诊断

感染的

曲线。尽管该研究旨在对比LCI与WLI的诊断效能，并且存在样本量小、取材部位局限等不足，但这种将黏膜色彩量化的方法对建立一个客观的诊断标准具有一定的参考价值。Jiang等

则通过比较国际标准色卡和内窥镜图像的颜色，去判断胃部是否有胃底腺发红、紫色黏液、黏液湖浑浊等表现，如当黏膜颜色接近国际标准色卡上对应的某一颜色时，定义为胃底腺发红。随后采用回归分析计算出各项观察指标的偏回归系数，根据偏回归系数进行评分，当总分大于某个值，即可定义为

感染。由此可见，在LCI能够提高黏膜色差的前提下，可以通过量化黏膜的颜色，从而更为客观地判断是否存在黏膜发红，黏液湖浑浊等表现，再根据各项观察指标诊断

感染的相关性，确立评分准则。尽管评分准则的建立可以减少由于检查者水平不同造成的偏倚，但一个切实有效的评分准则的制定需要进行大量的临床实践来证明其有效性，而这一步却最为困难。

人工智能是未来内镜诊断重要的开发方向。上消化道内窥镜计算机辅助诊断(computer-aided diagnosis，CAD)是一个快速发展的研究领域，研究者让人工智能对内镜图像或影像进行深度学习，从而设计出相关的CAD系统

。Nakashima等

将395例受试者的LCI内镜影像作为人工智能深度学习的训练资料，开发出诊断

感染的CAD系统。结果显示，基于LCI内镜的CAD系统对

阴性、现症感染和成功根除者的诊断准确率分别为84.2%、82.5%和79.2%，与经验丰富的内镜医师诊断水平相当，优于基于WLI的CAD系统。应用人工智能诊断

感染不受检查者临床经验和知识水平的影响，能够客观地进行诊断，并且经过大量的图像、影像学习后，能进一步提高诊断准确率。然而应用人工智能进行学习并建立相应诊断标准的过程是一个“黑匣子”，研究者无法得知它是通过什么原则作出诊断，也无法对它的诊断标准进行人工校正，只能得到诊断结果。因此，其应用依然局限在辅助诊断的层次上，最终诊断的确立还需要依靠经验丰富的内镜医师。但对于内镜初学者来说，使用人工智能辅助诊断，减少漏诊、误诊，并从中学习，提高诊断水平，仍然具有重要意义。

综上所述，LCI内镜凭借其独特的成像原理，能更好地观察黏膜色彩的变化，在提高

诊断的准确性方面具有独特的优势。但该技术起步时间短，临床诊断，特别是靶向活检等方面的研究不多，LCI内镜诊断及活检标准也有待建立。相信随着该技术的普及和内镜医师对其认识的加深，以及内镜人工智能领域的发展，LCI内镜能够在未来的临床实践中发挥更大的作用。

[1] 中华医学会消化病学分会. 中国慢性胃炎共识意见(2017年，上海)[J]. 中华消化杂志, 2017, 37(11): 721-738. DOI: 10.3760/cma.j.issn.0254-1432.2017.11.001.

[2] Gisbert JP, Pajares JM. Review article:

C-urea breath test in the diagnosis of Helicobacter pylori infection--a critical review [J]. Aliment Pharmacol Ther, 2004, 20(10): 1001-1017. DOI: 10.1111/j.1365-2036.2004.02203.x.

[3] 中华医学会消化病学分会幽门螺杆菌学组. 第六次全国幽门螺杆菌感染处理共识报告(非根除治疗部分)[J].中华消化杂志, 2022, 42(5): 289-303. DOI: 10.3760/cma.j.cn311367-20220206-00057.

Helicobacter pylori Study Group, Chinese Society of Gastroenterology, Chinese Medical Association. Sixth Chinese national consensus report on the management of Helicobacter pylori infection (treament excluded) [J]. Chin J Dig, 2022, 42(5): 289-303. DOI: 10.3760/cma.j.cn311367-20220206-00057.

[4] Fukuda H, Miura Y, Hayashi Y, et al. Linked color imaging technology facilitates early detection of flat gastric cancers [J]. Clin J Gastroenterol, 2015, 8(6): 385-389. DOI: 10.1007/s12328-015-0612-9.

[5] Kitagawa Y, Suzuki T, Nankinzan R, et al. Comparison of endoscopic visibility and miss rate for early gastric cancers after Helicobacter pylori eradication with white-light imaging versus linked color imaging [J]. Dig Endosc, 2020, 32(5): 769-777. DOI: 10.1111/den.13585.

[6] Paggi S, Radaelli F, Senore C, et al. Linked-color imaging versus white-light colonoscopy in an organized colorectal cancer screening program [J]. Gastrointest Endosc, 2020, 92(3): 723-730. DOI: 10.1016/j.gie.2020.05.044.

[7] Yasuda T, Yagi N, Omatsu T, et al. Benefits of linked color imaging for recognition of early differentiated-type gastric cancer: in comparison with indigo carmine contrast method and blue laser imaging [J]. Surg Endosc, 2021, 35(6): 2750-2758. DOI: 10.1007/s00464-020-07706-1.

[8] De Groof AJ, Fockens KN, Struyvenberg MR, et al. Blue-light imaging and linked-color imaging improve visualization of Barrett′s neoplasia by nonexpert endoscopists [J]. Gastrointest Endosc, 2020, 91(5): 1050-1057. DOI: 10.1016/j.gie.2019.12.037.

[9] Suzuki T, Hara T, Kitagawa Y, et al. Magnified endoscopic observation of early colorectal cancer by linked color imaging with crystal violet staining (with video) [J]. Gastrointest Endosc, 2016, 84(4): 726-729. DOI: 10.1016/j.gie.2016.05.023.

[10] Sun XT, Dong TH, Bi YL, et al. Linked color imaging application for improving the endoscopic diagnosis accuracy: a pilot study [J]. Sci Rep, 2016, 6: 33473. DOI: 10.1038/srep33473.

[11] Majima A, Dohi O, Takayama S, et al. Linked color imaging identifies important risk factors associated with gastric cancer after successful eradication of Helicobacter pylori [J]. Gastrointest Endosc, 2019, 90(5): 763-769. DOI: 10.1016/j.gie.2019.06.043.

[12] Okada M, Sakamoto H, Takezawa T, et al. Laterally spreading tumor of the rectum delineated with linked color imaging technology [J]. Clin Endosc, 2016, 49(2): 207-208. DOI: 10.5946/ce.2015.077.

[13] Sugano K, Tack J, Kuipers EJ, et al. Kyoto global consensus report on Helicobacter pylori gastritis [J]. Gut, 2015, 64(9): 1353-1367. DOI: 10.1136/gutjnl-2015-309252.

[14] Takeda T, Asaoka D, Nojiri S, et al. Linked color imaging and the kyoto classification of gastritis: evaluation of visibility and inter-rater reliability [J]. Digestion, 2020, 101(5): 598-607. DOI: 10.1159/000501534.

[15] Dohi O, Yagi N, Onozawa Y, et al. Linked color imaging improves endoscopic diagnosis of active Helicobacter pylori infection [J]. Endosc Int Open, 2016, 4(7): E800-E805. DOI: 10.1055/s-0042-109049.

[16] Ono S, Dohi O, Yagi N, et al. Accuracies of endoscopic diagnosis of helicobacter pylori-gastritis: multicenter prospective study using white light imaging and linked color imaging [J]. Digestion, 2020, 101(5): 624-630. DOI: 10.1159/000501634.

[17] Wang L, Lin XC, Li HL, et al. Clinical significance and influencing factors of linked color imaging technique in real-time diagnosis of active Helicobacter pylori infection [J]. Chin Med J (Engl), 2019, 132(20): 2395-2401. DOI: 10.1097/cm9.0000000000000486.

[18] Lee SP, Lee J, Kae SH, et al. The role of linked color imaging in endoscopic diagnosis of Helicobacter pylori associated gastritis [J]. Scand J Gastroenterol, 2020, 55(9): 1114-1120. DOI: 10.1080/00365521.2020.1794025.

[19] 龚伟, 朱颖, 肖冰, 等. 蓝激光内镜联动成像模式对幽门螺杆菌感染相关性胃炎的诊断价值[J]. 中华消化内镜杂志, 2018, 35(6): 381-384. DOI: 10.3760/cma.j.issn.1007-5232.2018.06.001.

Gong W, Zhu Y, Xiao B, et al. Diagnostic value of linked color imaging technology for Helicobacter pylori-related gastritis [J]. Chin J Dig Endosc, 2018, 35(6): 381-384. DOI: 10.3760/cma.j.issn.1007-5232.2018.06.001.

[20] Malfertheiner P, Megraud F, O'morain CA, et al. Management of Helicobacter pylori infection-the maastricht V/florence consensus report [J]. Gut, 2017, 66(1): 6-30. DOI: 10.1136/gutjnl-2016-312288.

[21] Zhu Y, Wang F, Zhou Y, et al. Blue laser magnifying endoscopy in the diagnosis of chronic gastritis [J]. Exp Ther Med, 2019, 18(3): 1993-2000. DOI: 10.3892/etm.2019.7811.

[22] Chen TH, Hsu CM, Cheng HT, et al. Linked color imaging can help gastric Helicobacter pylori infection diagnosis during endoscopy [J]. J Chin Med Assoc, 2018, 81(12): 1033-1037. DOI: 10.1016/j.jcma.2018.03.006.

[23] Tokunaga M, Matsumura T, Ishikawa K, et al. The efficacy of linked color imaging in the endoscopic diagnosis of Barrett′s esophagus and esophageal adenocarcinoma [J]. Gastroenterol Res Pract, 2020, 2020: 9604345. DOI: 10.1155/2020/9604345.

[24] Fukuda H, Miura Y, Osawa H, et al. Linked color imaging can enhance recognition of early gastric cancer by high color contrast to surrounding gastric intestinal metaplasia [J]. J Gastroenterol, 2019, 54(5): 396-406. DOI: 10.1007/s00535-018-1515-6.

[25] 刘浏, 林宇轩, 罗夏朋, 等. 联动成像内镜辅助诊断幽门螺杆菌感染的临床价值[J]. 陆军军医大学学报(原第三军医大学学报), 2021, 43(5): 446-451. DOI: 10.16016/j.1000-5404.202011187.

Liu L, Lin YX, Luo XP, et al. Clinical value of linked color imaging endoscopy in auxiliary diagnosis of Helicobacter pylori infection [J]. Journal of Army Medical University, 2021, 43(5): 446-451. DOI: 10.16016/j.1000-5404.202011187.

[26] 王菲, 陈石岩, 谭新华, 等. 联动成像内镜与白光内镜对胃黏膜感染幽门螺杆菌的诊断价值比较[J]. 实用医学杂志, 2017, 33(14): 2325-2328. DOI: 10.3969/j.issn.1006-5725.2017.14.019.

Wang F, Chen SY, Tan XH, et al. Diagnostic value of linked color imaging for Helicobacter pylori infection compared with white light imaging [J]. The Journal of Practical Medicine, 2017, 33(14): 2325-2328. DOI: 10.3969/j.issn.1006-5725.2017.14.019.

[27] Jiang ZX, Nong B, Liang LX, et al. Differential diagnosis of Helicobacter pylori-associated gastritis with the linked-color imaging score [J]. Dig Liver Dis, 2019, 51(12): 1665-1670. DOI: 10.1016/j.dld.2019.06.024.

[28] Mori Y, Kudo SE, Mohmed HEN, et al. Artificial intelligence and upper gastrointestinal endoscopy: current status and future perspective [J]. Dig Endosc, 2019, 31(4): 378-388. DOI: 10.1111/den.13317.

[29] Itoh T, Kawahira H, Nakashima H, et al. Deep learning analyzes Helicobacter pylori infection by upper gastrointestinal endoscopy images [J]. Endosc Int Open, 2018, 6(2): E139-E144. DOI: 10.1055/s-0043-120830.

[30] Shichijo S, Endo Y, Aoyama K, et al. Application of convolutional neural networks for evaluating Helicobacter pylori infection status on the basis of endoscopic images [J]. Scand J Gastroenterol, 2019, 54(2): 158-163. DOI: 10.1080/00365521.2019.1577486.

[31] Yasuda T, Hiroyasu T, Hiwa S, et al. Potential of automatic diagnosis system with linked color imaging for diagnosis of Helicobacter pylori infection [J]. Dig Endosc, 2020, 32(3): 373-381. DOI: 10.1111/den.13509.

[32] Nakashima H, Kawahira H, Kawachi H, et al. Endoscopic three-categorical diagnosis of Helicobacter pylori infection using linked color imaging and deep learning: a single-center prospective study (with video) [J]. Gastric Cancer, 2020, 23(6): 1033-1040. DOI: 10.1007/s10120-020-01077-1.