目的:探索CHESS消化内镜测量尺(以下简称CHESS尺)操作的安全性、可行性及其测量数值与内镜医师经验性判读的一致性。方法:前瞻性纳入2021年1月至2022年1月宁夏回族自治区人民医院总院、西夏分院、宁南医院(29例)，以及银川市第一人民医院(25例)、宁夏医科大学总医院(18例)、吴忠市人民医院(10例)、宁夏回族自治区第五人民医院(10例)、石嘴山市第二人民医院(6例)、银川市第二人民医院(5例)、中卫市人民医院(2例)共8家医院收治的105例肝硬化门静脉高压患者。记录所有患者的临床特征，包括性别、年龄、民族、肝硬化病因、肝功能Child－Pugh分级等。将静脉曲张直径≥5 mm定义为大静脉曲张。由内镜医师(副主任医师职称)按照胃镜检查常规流程对患者进行电子胃镜操作，并对最大食管静脉曲张直径进行经验性判读和图像采集，然后通过CHESS尺进行客观测量和图像采集。由6名内镜医师(主治医师或副主任医师职称)对随机(随机数字表法)选取的10例患者分别采用CHESS尺测量或根据经验判读静脉曲张直径。采用Kappa检验分析内镜医师经验性判读与CHESS尺客观测量判读大静脉曲张分级的一致性。结果:在105例肝硬化门静脉高压患者中，男65例，女40例；年龄为(54.8±12.2)岁；汉族82例，回族21例，蒙古族2例；肝硬化病因包括乙型病毒性肝炎79例，酒精性肝病7例，自身免疫性肝炎7例，丙型病毒性肝炎2例，其他病因10例；肝功能Child-Pugh A级32例，Child-Pugh B级57例，Child-Pugh C级16例。105例肝硬化门静脉高压患者均成功完成CHESS尺测量食管静脉曲张直径，CHESS尺应用成功率为100.0%(105/105)。从CHESS尺进入体内、测量完成到退出体外的检查时长为(3.50±2.55) min。测量过程所有患者均未发生操作相关并发症。在105肝硬化门静脉高压患者中，内镜医师经验性判读为大静脉曲张96例(91.4%)，CHESS尺判读为大静脉曲张93例(88.6%)。内镜医师判读为大静脉曲张，而CHESS尺未判读为大静脉曲张8例；CHESS尺判读为大静脉曲张，而内镜医师未判读为大静脉曲张5例；内镜医师与CHESS尺均未判读为大静脉曲张4例；内镜医师和CHESS尺均判读为大静脉曲张88例。内镜医师经验性判读大静脉曲张漏诊率为5.4%(5/93)，CHESS尺客观测量与内镜医师经验性判读的Kappa系数为0.31，95%置信区间为0.03~0.60。6名内镜医师运用CHESS尺客观测量诊断大静脉曲张的Kappa系数为0.77，95%置信区间为0.61~0.93。结论:CHESS尺作为一种客观测量工具，能弥补内镜医师主观判断的不足，精准测量食管静脉曲张直径，具有高度的可行性与安全性。

目的:开发一个基于人工智能的自动内镜下病灶尺寸测量系统，并测试其实时测量白光内镜下病灶尺寸的能力。方法:测量系统由3个模型组成：首先由模型1识别视频的连续图片中有无活检钳，有钳者标记钳叶轮廓；随后由模型2对有钳图片进行分类，分为张钳图片和未张钳图片；与此同时，模型3识别视频的连续图片中有无病灶，有病灶者标记边界；最后系统根据活检钳钳叶轮廓与病灶边界的像素对比，实时计算出病灶尺寸。数据集1由回顾性收集的武汉大学人民医院2017年1月1日—2019年11月30日4 835张图片组成，用于模型的训练和验证；数据集2由前瞻性收集的武汉大学人民医院内镜中心2019年12月1日—2020年6月4日检查拍摄的图片组成，用于测试模型分割活检钳边界和病灶边界的能力；数据集3由151个模拟病灶的302张图片组成，每个模拟病灶包括活检钳倾斜角度较大（与病灶垂直线夹角45°）和倾斜角度较小（与病灶垂直线夹角10°）情况下的图片各1张，用于测试模型在活检钳不同状态下测量病灶尺寸的能力；数据集4为视频测试集，由前瞻性收集的武汉大学人民医院内镜中心2019年8月5日—2020年9月4日检查拍摄的视频组成。以内镜医师复核后结果或内镜手术病理作为金标准，观察模型1识别有无活检钳的准确率、模型2分类活检钳状态（张钳或未张钳）的准确率和模型3识别有无病灶的准确率，用交并比（intersection over union，IoU）评价模型1的活检钳钳叶分割效果和模型3的病灶分割效果，用绝对误差和相对误差评价系统的病灶尺寸测量能力。结果:（1）数据集2共纳入1 252张图片，有钳图片821张（其中张钳图片401张、未张钳图片420张）、无钳图片431张；包含病灶图片640张、不包含病灶图片612张。模型1判断无钳图片433张（430张准确）、有钳图片819张（818张准确），识别有无活检钳的准确率为99.68%（1 248/1 252），以818张模型1准确判断有钳图片的数据统计模型1的活检钳钳叶分割效果，平均IoU为0.91（95% CI：0.90～0.92）。使用模型1准确判断的818张有钳图片评价模型2的活检钳状态分类准确率，模型2判断张钳图片384张（382张准确）、未张钳图片434张（416张准确），模型2的活检钳状态分类准确率为97.56%（798/818）。模型3判断包含病灶图片654张（626张准确）、不包含病灶图片598张（584张准确），识别有无病灶的准确率为96.65%（1 210/1 252），以626张模型3准确判断有病灶图片的数据统计模型3的病灶分割效果，平均IoU为0.86（95% CI：0.85～0.87）。（2）数据集3中：活检钳倾斜角度较小状态下系统病灶尺寸测量的平均绝对误差为0.17 mm（95% CI：0.08～0.28 mm），平均相对误差为3.77%（95% CI：0.00%～10.85%）；活检钳倾斜角度较大状态下系统病灶尺寸测量的平均绝对误差为0.17 mm（95% CI：0.09～0.26 mm），平均相对误差为4.02%（95% CI：2.90%～5.14%）。（3）数据集4共纳入59例患者的59个内镜检查视频的780张图片，系统病灶尺寸测量的平均绝对误差为0.24 mm（95% CI：0.00～0.67 mm），平均相对误差为9.74%（95% CI：0.00%～29.83%）。 结论:基于人工智能的自动内镜下病灶尺寸测量系统可以实现内镜下对病灶尺寸的准确测量，有望提高内镜医师对病灶尺寸估计的准确率。