聯動成像內鏡輔助診斷幽門螺桿菌感染的研究進展

幽門螺桿菌(Helicobacter pylori，

)是慢性胃炎的重要致病因子，它入侵胃黏膜導致炎癥的同時損傷胃黏膜腺體結構，造成腸上皮化生和萎縮性胃炎，并可進一步發展為上皮內瘤變

，WHO已將其列為胃癌的一級致癌因子。目前診斷

的方法主要分為非侵入性與侵入性檢查兩類。

C/

C呼氣試驗是臨床上應用最廣泛的非侵入性檢查，但當檢測值接近臨界值時，結果并不可靠

。由于

在胃內呈局灶性分布，侵入性檢查如快速尿素酶實驗(rapid urease experiment，RUT)，多為內鏡下隨機取材，可能存在一定的假陰性

。近年來，圖像增強內鏡技術不斷發展，包括窄帶成像(narrow-band imaging，NBI)、藍激光成像(blue laser imaging，BLI)、聯動成像(linked color imaging，LCI)等，憑借著高清晰度以及電子染色技術，能夠觀察到胃黏膜形態和顏色的微小改變，顯著提高內鏡診斷準確率

。其中，LCI技術因能夠提高黏膜之間的色差，使得紅色區域更紅、白色區域更白，更有利于各種胃腸道黏膜病變的觀察

，并對識別

感染的黏膜有獨特的作用

。

假定從t=0時刻到所有部件進行一次替換為全周期。由1.2節假設(3)可知，由于AC結構簡單，維修工作易于完成，故其維修耗時可忽略不計。MC的維修工作相對復雜，應充分考慮其維修耗時及停機維修造成的經濟損失。全周期可以劃分為運行期和維修期兩部分，如圖2所示。由圖可知，這里考慮了不完全維修的間隔隨部件年齡增長的變化。

1 LCI內鏡的原理

LCI與NBI均使用了波長為(415±30)nm的窄帶光，該光譜與血紅蛋白的吸收帶一致，能清晰辨認黏膜的血管結構；同時它還因結合白色激光，可明顯提高內鏡圖像的亮度，克服了NBI遠處視野較暗的缺點

。LCI系統還通過圖像處理技術，對色彩進行再分配，增強了光譜紅色區域的色調差異，使得紅色區域更紅、白色區域更白，與白光內鏡相比能更清晰地觀察到集合小靜脈并識別黏膜顏色的微小差異，從而幫助內鏡醫師做出更準確的內鏡診斷以及提高活檢的精準度。

2 LCI內鏡診斷H.pylori感染的標準

目前臨床應用最廣泛的內鏡下診斷

感染的標準是京都胃炎分類

，當內鏡下觀察到黏膜萎縮、腸上皮化生、彌漫性發紅、點狀發紅、增生性息肉、雞皮樣改變等表現時往往提示胃黏膜存在

感染。Takeda等

回顧性納入261例患者在白光內鏡(white color imaging，WLI)、BLI及LCI三種模式下的胃鏡圖像，隨后進行BLI及LCI圖像的可見度評分，分值從5分(與WLI相比改善)到1分(與WLI相比降低)。結果顯示，與WLI相比，所有內鏡醫師均報告LCI對彌漫性發紅、地圖狀發紅、腸上皮化生、萎縮邊界等表現的可見度有提高，而BLI僅對腸上皮化生的可見度提高。盡管京都胃炎分類標準是基于WLI觀察到的胃黏膜表現制定的，但此研究

表明，LCI內鏡同樣能使用該標準，并且有更高的可見度，更容易識別胃黏膜病變。然而，該研究涉及的三種內鏡圖像的差異較大，無法應用盲法，使得觀察者間不可避免地出現偏倚，評分標準的主觀性強，偏倚難以控制，需要進一步的大型隨機對照研究證實。

3 LCI內鏡與傳統WLI對比

LCI問世不久，Dohi等

即比較了LCI與WLI診斷

感染的能力。該研究回顧性納入

現癥感染和根除成功的患者各30例，LCI和WLI均以觀察到胃黏膜彌漫性發紅作為診斷

感染的標準，4名內鏡專家使用LCI診斷

感染的平均準確性、敏感性、特異性、陽性預測值和陰性預測值均明顯高于WLI。但該研究尚存在一些不足，如研究者考慮到WLI對辨別正常人群與現癥

感染患者的準確率很高，故選擇了根除成功的人群作為對照，而不是從未感染

的正常人群，且為小樣本回顧性研究，結果可能存在一定偏倚。Ono等

為進一步證實該結論，后續進行了一項多中心前瞻性研究，隨機收集了158例胃鏡檢查患者，將呼氣試驗和血清學試驗結果一致作為金標準，兩項檢測結果均為陰性但組織學證實為萎縮或腸上皮化生的病例被定義為既往感染。結果顯示，WLI診斷準確性、敏感性、特異性分別為79.5%、84.4%、74.6%，LCI為86.6%、84.4%、88.9%，LCI顯著提高既往感染患者的診斷準確率(78.9%

36

8

，

<0.01)，說明在萎縮及腸上皮化生的黏膜背景下，LCI比傳統的WLI更有優勢。因此，當使用內鏡評估已接受根除治療的患者以及出現黏膜萎縮的患者的

感染情況時，LCI更為準確。

在整個南北朝時期，引領和推動東西經濟貿易、南北政治交往的主角則是鮮卑吐谷渾人。“吐谷渾”即“蒼鷹”之意⑦卓鴻澤：《吐谷渾的藏文撰寫藏文名稱及其阿爾泰語源》，載沈衛榮《西域歷史語言研究集刊》第三輯，科學出版社，2010年，第17-31頁。，這只勇猛的民族之鷹，在西晉初年西遷青海草原，建立吐谷渾王國，今柴達木盆地則成為其大本營和安全后院，政治中心在今都蘭縣。吐谷渾從建國到滅亡，共傳15代22王，立國350年之久，在溝通中外絲路、聯絡南北中起到了積極的歷史作用。

國內外多個研究均證實LCI診斷

感染的能力優于WLI，且觀察者之間的一致性良好

。其中，Wang等

還分析了內鏡醫師使用LCI和WLI觀察胃竇、胃體時所作出的診斷是否存在差別。結果顯示，LCI在觀察胃體時診斷

感染的敏感性和特異性均顯著高于其他亞組，達到85.41%和79.71%。該結果與臨床實際一致，特別在萎縮性胃炎患者當中，由于萎縮及腸上皮化生黏膜不利于

定植

，隨著萎縮范圍從胃竇開始逐漸擴大，

在萎縮的黏膜上消失，局部的炎癥反應減輕，黏膜發紅、糜爛改善，無論是從內鏡圖像還是從活檢取材的角度來講，胃體

陽性率均要高于胃竇。因此，在使用LCI評估

感染時，著重觀察胃體黏膜的變化，更有助于提高診斷準確率。

4 LCI與BLI、放大內鏡等新型內鏡對比

我們團隊

也進行了一項LCI與WLI活檢診斷

感染的前瞻性研究，LCI模式下選擇胃竇及胃體黏膜明顯發紅區域作為活檢最佳部位，對照組按照共識意見取材，標本均進行RUT和免疫組化染色。結果顯示，LCI活檢診斷

的陽性率均高于WLI，差異有統計學意義。在亞組中，

C-UBT陽性的25例慢性萎縮性胃炎患者在LCI模式下行RUT的陽性率明顯高于WLI模式(75.0%

30

8

，

<0.05)，

C-UBT陰性的21例慢性萎縮性胃炎患者中，LCI模式下行RUT的陽性率高于WLI模式(70.0%

27.3%)。上述結果說明在慢性胃炎，尤其是萎縮性胃炎的患者中，LCI模式活檢的陽性率明顯高于WLI，甚至在呼氣試驗假陰性的萎縮性胃炎患者中，LCI模式能夠通過其成像特點精準活檢，正確診斷出

感染，但由于入組本研究的萎縮性胃炎患者較少，仍需更進一步的臨床研究證實。目前LCI靶向活檢診斷

感染的相關研究較少，LCI是否真的能夠做到靶向活檢，以及取材部位的選取除異常發紅部位以外是否存在其他選擇仍待更深入的研究證實。

Chen等

研究則比較了LCI和放大內鏡診斷

感染的能力，結果顯示LCI與放大內鏡診斷的準確性、敏感性和特異性分別為78.38%、81.98%，70.97%、81.25%和80.65%、82.5%，差異無統計學意義。但放大內鏡檢查要求檢查者有足夠的經驗且需要細致地觀察黏膜表面的變化，如發紅、腫脹、結節性改變等，導致檢查時間延長，容易引起患者的不適。而LCI內鏡只需按鈕切換模式就能夠直觀地提高病變黏膜的色彩差異，縮短了檢查與診斷時間，減輕患者的不適。因此，在臨床工作中對懷疑

感染的患者進行胃鏡初篩時，選用LCI模式能達到與放大內鏡檢查同等的效果，同時可提高患者的依從性。

5 LCI內鏡與靶向活檢

下文中將應用MATLAB分別計算n=1,2,3時P(n)的值，即系統進行1～3次充電子過程后，理論的充電成功概率值。

數學學科中的青年教師大多畢業于985、211等高校，教師的專業基礎扎實，但缺乏一定的教學實踐經驗，申請項目和發表文章的能力也有待提高。而民辦院校中的學生數學基礎一般較弱，理解理論知識的能力不高。在這樣的前提下，要確立的共同目標就是提高數學學科青年教師教授數學知識的應用能力，將復雜問題簡單化，使學生能學好數學、愛上數學，進而提高學生的整體數學素養，最終提高青年教師個人的專業素質和科研水平。

圖像增強內鏡不僅能夠為內鏡醫師提供清晰的內鏡圖像，還可通過電子染色提高病變黏膜的識別度，做到靶向活檢，應用于消化道早癌的診斷

。與早期胃癌相比，

感染所致黏膜改變的特異性更低，盡管我國最新的

診治共識中RUT的取材推薦多點活檢

，但WLI下由于清晰度及色彩對比度不足，使活檢有一定的主觀性、經驗性和隨機性，再加上

在胃內呈局灶性分布，導致活檢的準確率受到影響。

LCI是在BLI-BRT模式的基礎上經過計算機圖像處理，對色彩進行再分配形成的新技術，與主要是藍色光信號和綠色光信號的BLI不一樣，LCI還有額外的紅色光信號。Zhu等

的研究納入120例患者，均進行4種模式下的內鏡觀察，隨后將WLI設為對照組，LCI、BLI-BRT模式以及BLI聯合放大內鏡模式作為試驗組，以研究不同種類的圖像增強內鏡對慢性胃炎的診斷價值。研究顯示，LCI觀察

感染者時能清楚分辨出正常黏膜與炎癥黏膜的紅白邊界，而BLI-BRT模式以及BLI+ME模式雖然能識別出病變的顏色和微小結構的改變，卻不能辨認其邊界。因此，LCI相比其他模式有更高的診斷準確率，且與病理診斷的一致性最佳。內鏡醫師選用LCI模式給慢性胃炎患者進行活檢時，可有意識地去辨別病變邊界，提高活檢精確度以及與病理診斷的一致性。

龔偉等

前瞻性研究對比了WLI與LCI鏡下診斷

感染的能力，還同時比較了WLI按照共識意見取材與LCI于異常發紅處靶向取材的差別。結果顯示，40例慢性胃炎患者中，WLI模式活檢病理診斷

陽性6例，LCI模式22例，且包含WLI所診斷的6例。因此，該研究認為LCI內鏡靶向活檢診斷

感染具有一定的可行性及優勢。

6 LCI內鏡診斷H.pylori感染的創新方法

京都胃炎共識使得內鏡診斷

感染成為可能，但其準確性仍受限于檢查者的經驗和知識，內鏡診斷的方法仍需不斷改進。

有學者圍繞LCI能夠提高黏膜色差這一優點，嘗試探索內鏡診斷的新方法。王菲等

嘗試用客觀、量化的方法對比LCI和WLI的診斷效能。該研究對內鏡下懷疑

感染的黏膜進行活檢的同時，應用計算機軟件將活檢處黏膜的顏色量化為R、G、B值，隨后作出了LCI和WLI診斷

感染的

曲線。盡管該研究旨在對比LCI與WLI的診斷效能，并且存在樣本量小、取材部位局限等不足，但這種將黏膜色彩量化的方法對建立一個客觀的診斷標準具有一定的參考價值。Jiang等

則通過比較國際標準色卡和內窺鏡圖像的顏色，去判斷胃部是否有胃底腺發紅、紫色黏液、黏液湖渾濁等表現，如當黏膜顏色接近國際標準色卡上對應的某一顏色時，定義為胃底腺發紅。隨后采用回歸分析計算出各項觀察指標的偏回歸系數，根據偏回歸系數進行評分，當總分大于某個值，即可定義為

感染。由此可見，在LCI能夠提高黏膜色差的前提下，可以通過量化黏膜的顏色，從而更為客觀地判斷是否存在黏膜發紅，黏液湖渾濁等表現，再根據各項觀察指標診斷

感染的相關性，確立評分準則。盡管評分準則的建立可以減少由于檢查者水平不同造成的偏倚，但一個切實有效的評分準則的制定需要進行大量的臨床實踐來證明其有效性，而這一步卻最為困難。

人工智能是未來內鏡診斷重要的開發方向。上消化道內窺鏡計算機輔助診斷(computer-aided diagnosis，CAD)是一個快速發展的研究領域，研究者讓人工智能對內鏡圖像或影像進行深度學習，從而設計出相關的CAD系統

。Nakashima等

將395例受試者的LCI內鏡影像作為人工智能深度學習的訓練資料，開發出診斷

感染的CAD系統。結果顯示，基于LCI內鏡的CAD系統對

陰性、現癥感染和成功根除者的診斷準確率分別為84.2%、82.5%和79.2%，與經驗豐富的內鏡醫師診斷水平相當，優于基于WLI的CAD系統。應用人工智能診斷

感染不受檢查者臨床經驗和知識水平的影響，能夠客觀地進行診斷，并且經過大量的圖像、影像學習后，能進一步提高診斷準確率。然而應用人工智能進行學習并建立相應診斷標準的過程是一個“黑匣子”，研究者無法得知它是通過什么原則作出診斷，也無法對它的診斷標準進行人工校正，只能得到診斷結果。因此，其應用依然局限在輔助診斷的層次上，最終診斷的確立還需要依靠經驗豐富的內鏡醫師。但對于內鏡初學者來說，使用人工智能輔助診斷，減少漏診、誤診，并從中學習，提高診斷水平，仍然具有重要意義。

綜上所述，LCI內鏡憑借其獨特的成像原理，能更好地觀察黏膜色彩的變化，在提高

診斷的準確性方面具有獨特的優勢。但該技術起步時間短，臨床診斷，特別是靶向活檢等方面的研究不多，LCI內鏡診斷及活檢標準也有待建立。相信隨著該技術的普及和內鏡醫師對其認識的加深，以及內鏡人工智能領域的發展，LCI內鏡能夠在未來的臨床實踐中發揮更大的作用。

[1] 中華醫學會消化病學分會. 中國慢性胃炎共識意見(2017年，上海)[J]. 中華消化雜志, 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] 中華醫學會消化病學分會幽門螺桿菌學組. 第六次全國幽門螺桿菌感染處理共識報告(非根除治療部分)[J].中華消化雜志, 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] 龔偉, 朱穎, 肖冰, 等. 藍激光內鏡聯動成像模式對幽門螺桿菌感染相關性胃炎的診斷價值[J]. 中華消化內鏡雜志, 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] 劉瀏, 林宇軒, 羅夏朋, 等. 聯動成像內鏡輔助診斷幽門螺桿菌感染的臨床價值[J]. 陸軍軍醫大學學報(原第三軍醫大學學報), 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, 陳石巖, 譚新華, 等. 聯動成像內鏡與白光內鏡對胃黏膜感染幽門螺桿菌的診斷價值比較[J]. 實用醫學雜志, 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.