结直肠传统锯齿状腺瘤与无蒂锯齿状病变在形态学上存在重叠，但其生物学行为与恶变风险差异显著，准确鉴别对于制定个体化治疗方案至关重要。人工智能辅助系统的开发为这一鉴别难题提供了高效解决方案。系统的构建基于大规模多中心内镜图像数据库，涵盖经病理证实的传统锯齿状腺瘤与无蒂锯齿状病变的白光内镜、窄带光成像及放大内镜图像。深度学习算法通过卷积神经网络自动提取两种病变的差异化特征：传统锯齿状腺瘤的特征性表现为分叶状隆起、表面绒毛状结构、窄带光成像下血管呈规则树枝状分布；无蒂锯齿状病变则表现为扁平状、云雾状表面、边界模糊、窄带光成像下血管稀疏或不可见。放大内镜下腺管开口形态是鉴别关键：传统锯齿状腺瘤常表现为Ⅳ型开口（绒毛状），而无蒂锯齿状病变为Ⅱ型开口（星孔状）。系统通过分析多模态图像特征，输出两种病变的概率值及关键鉴别依据，辅助内镜医师决策。临床验证显示，人工智能辅助系统的鉴别准确率可达90%以上，显著高于普通内镜医师（约75%）。对于系统输出低概率或无蒂锯齿状病变特征者，可选择内镜下黏膜切除术或随访观察；对于高概率或传统锯齿状腺瘤特征者，因后者恶变风险较高，建议完整切除（内镜黏膜下剥离术）并加强随访。这种人工智能辅助鉴别系统的应用，使结直肠锯齿状病变的管理更加精准、高效。