Near Focus Umělá inteligence řízená NBI pro diagnostiku gastroezofageální refluxní choroby

Gastroezofageální refluxní choroba (GORD) je chronický stav se symptomy vznikajícími sekundárně k refluxu obsahu žaludku (Vakil et al., 2006). Dělí se na čtyři fenotypy: Erozivní ezofagitida (EO), Neerozivní refluxní choroba (NERD), Refluxní hypersenzitivita (RH), Funkční pálení žáhy (FH) (Nikaki, Woodland and Sifrim, 2016). Definice těchto fenotypů se vyvinula s přidáním diagnostických testů a metod jejich interpretace, nejnovější je Lyon Consensus Statement (Gyawali et al., 2018). Většina pacientů se symptomy připomínajícími GORD nemá při endoskopii žádné slizniční léze (Nikaki, Woodland a Sifrim, 2016). Komplikace GORD, jako je peptická striktura a Barrettův jícen, mohou být snadno diagnostikovány pomocí WLE. Diagnóza refluxní ezofagitidy se standardní definicí WLE je dobře popsána v klasifikaci Los Angeles (LA) (Armstrong et al., 1996) a validována (Lundell et al., 1999) s LA stupně C a D potvrzující GORD (Gyawali a kol., 2018). Dále bylo prokázáno, že AET se zvyšuje s LA klasifikací A až D (Lundell et al., 1999). Existuje však pouze mírná shoda mezi pozorovateli mezi stupni LA (Kappa koeficient 0,4), zejména A a B. Navíc ezofagitida LA stupně A je detekována až u 17,0 % asymptomatických pacientů (Nozu a Komiyama, 2008; Zagari et al., 2008). Diagnózu GORD a rozhodnutí o antirefluxní operaci nelze provést na tomto základě, což vyžaduje testování pH k potvrzení GORD.

Narrow Band Imaging

Zobrazení gastroezofageální junkce pomocí osciloskopu Olympus H260 s vysokým rozlišením pomocí LA klasifikace GORD s WLE a NBI prokázalo zlepšení celkové reprodukovatelnosti mezi pozorovateli při použití v kombinaci ve srovnání se samotnou WLE; k 0,62 vs 0,45 (<0,05) (Lee et al., 2007). Mezi rysy identifikované pomocí digitálního zvětšení NBI na skvamo-sloupcovém spojení v případech EO (n=41; LA stupeň A a B), NERD (n=36) a kontrol (n=32) patří mikroeroze (100 % EO; 52,8 % NERD; 23,3 % kontroly), zvýšená vaskularita (95,1 % EO; 91,7 % NERD; 36,7 % kontroly) a vzory kruhových důlků (4,9 % EO; 5,6 % NERD; 70 % kontroly). Zvýšená vaskularita v kombinaci s absencí vzoru kulatých důlků odlišuje NERD od kontrol s citlivostí a specificitou 86,1 % a 83,3 %. Shoda mezi pozorovateli v této studii jednoho centra byla dobrá pro zvýšenou vaskularitu (k=0,95) a mikroeroze (k=0,89). ale nízká pro pit pattern (k=0,59) (Fock a kol., 2009).

Intrapapilární kapilární kličky (IPCL) jsou slizniční kapiláry vycházející ze submukózní žíly do papily, obvykle uspořádané v pravidelném „tečkovitém“ způsobu přibližně 100 mikrometrů od sebe (Inoue, 2001). Vizualizace IPCL jícnu pomocí NBI je dobře zdokumentována a tvoří základ klasifikace NBI pro dlaždicovou neoplazii (Inoue et al., 2015). Změny morfologie IPCL byly navrženy u pacientů vyšetřovaných pro NERD, zejména dilatace a prodloužení IPCL u pacientů s NERD se zvětšením NBI (Kato et al., 2006).

NBI s optickým zvětšením pro diagnózu GORD byl hodnocen ve 2 studiích (Sharma et al., 2007; Lv et al., 2013). Sharma et al provedli studii proveditelnosti s Olympus Q240Z s kvadrantickým vyšetřením distálního 5 cm pomocí WLE a poté NBI v n=50 GORD (EO n=30; NERD n=20) a kontrolách (n=30). Podobně jako u Focka et al byla přítomnost mikroerozí a hypervaskularizace významně vyšší u GORD. Počet IPCL a morfologie tortuozity, dilatace byly pozorovány významně více u GORD oproti kontrole. Tato zjištění byla konzistentní v nezávislém srovnání EO a NERD versus kontroly. Prahové hodnoty ROC analýzy pro nejlepší citlivost a specificitu (v tomto pořadí) pro NERD byly maximální ipcl/pole 131 (90 %, 70 %), min 99 (85 %, 70 %) a průměr 117 (90 %, 70 %) (Sharma et al. ., 2007).

Lv a kol. použili Olympus GIF-H260Z k hodnocení NERD (n=40), EO (n=40), Barrett's (n=40) a zdravých kontrol (n=40). Jako znaky refluxu byly zaznamenány počet IPCL, morfologie (prodloužená / dilatovaná / klikatá), mikroeroze, vzor kruhových jamek nad nebo pod SCJ. Byly zjištěny signifikantní rozdíly se zvýšeným počtem IPCL, mikroerozemi, nekulatými jamkami pod SCJ u pacientů s GERD (NERD/EO a BE) ve srovnání s kontrolami a menším počtem mikroerozí u pacientů s NERD ve srovnání s RE (Lv et al., 2013).

Definice NERD ve všech dosavadních studiích je však variabilní a do značné míry je založena na hodnocení symptomů, odpovědi na PPI a nepřítomnosti slizničních lézí při endoskopickém vyšetření bez standardizace pomocí studií pH.

Umělá inteligence

K dnešnímu dni existuje jedna studie hodnotící použití ANN při predikci GORD na základě 45 proměnných včetně demografie, anamnézy, zdravotního stavu, skóre symptomů. Všichni pacienti podstoupili OGD, 24-pH studie provedené u pacientů bez slizniční léze při endoskopii: 103 pacientů s GORD (62 s refluxní ezofagitidou a 41 s AET>5 %) a n=56 pacientů s FH GORD. ANN prokázala přesnost 100 % ve srovnání se 78 % při použití konvenční statistické regresní analýzy (Pace et al., 2005). I když se jedná o optimistická zjištění, podíl použitých tréninkových a testovacích dat nebyl specifikován a další vyhodnocení s většími datovými soubory je jednoznačně oprávněné. Dosud neexistují žádné modely umělé inteligence řízené obrázky pro diagnostiku GORD. Strojové učení s endoskopickými obrazy je cestou velkého zájmu, jak je popsáno v části 1.7.7, s IPCL jako potenciálním cílem, na základě předchozích studií NBI pro diagnostiku GORD. CNN zahrnující detekci a morfologii IPCL byly nedávno hlášeny v souvislosti s pilotní studií pro počítačově asistovanou diagnostiku jícnového časného spinocelulárního karcinomu pomocí technologie segmentace s přesností odpovídajících expertních endoskopistů (Zhao et al., 2018). Ukázalo se, že technika segmentace obrazu Adaptive Local Thresholding je užitečná při detekci cév na fotografiích sítnice, což z ní činí atraktivní techniku ​​pro IPCL (Jiang a Mojon, 2003).