结直肠传统锯齿状腺瘤内镜黏膜下剥离术后，切缘状态的准确判读对于判断是否根治及后续随访计划至关重要。传统病理评估依赖病理医师人工判断，存在主观性强、耗时长、切缘卷曲影响判断等问题。人工智能辅助病理评估系统的开发为这一难题提供了解决方案。系统的构建基于大规模数字化病理图像数据库，涵盖切缘阳性与阴性的传统锯齿状腺瘤标本。深度学习算法通过卷积神经网络自动提取切缘区域的形态学特征，包括锯齿状结构完整性、细胞核排列规律性、腺体轮廓清晰度及切缘组织的收缩变形程度。系统将整张病理切片数字化后，自动识别并勾勒出切缘线，在切缘线上标注可疑阳性区域，输出切缘状态（阳性/阴性）及置信度评分。对于系统标注的可疑区域，病理医师可重点复核，提高判读效率与准确性。临床应用显示，人工智能辅助评估的切缘判读符合率可达95%以上，显著高于传统人工判读（约85%）。基于评估结果的分层管理：切缘阴性者常规随访；切缘阳性但系统置信度评分<70%者，建议病理复核及多学科讨论；切缘阳性且置信度评分≥70%者，需根据阳性范围及部位决定——局灶性切缘阳性（<2mm）可考虑内镜下再次切除或加强随访（6个月复查），广泛切缘阳性需追加外科肠切除术。这种人工智能辅助病理评估系统的应用，使结直肠传统锯齿状腺瘤术后切缘状态的判读更加客观、高效，为后续治疗决策提供了可靠依据。