Prospektiv multicenterundersøgelse af kunstig intelligens-assisteret kvalitetsevalueringssystem til koloskopi

Koloskopi er en nøgleteknik til påvisning og diagnosticering af nedre mave-tarmsygdomme. Endoskopi af høj kvalitet fører til bedre resultater, dog er færdighedsniveauet for forskellige endoskopister ret forskelligt. Hyppigheden af ​​manglende diagnose af kolorektal ADENOMAS var 22 %, frekvensen af ​​manglende diagnose varierede fra 7,4 % til 52,5 %. En række undersøgelser viste, at 12,1% af patienterne ikke havde kræft under koloskopi, men blev diagnosticeret med kolorektal cancer (post-koloskopi kolorektal cancer, PCCRC) inden for 5 år, hvoraf 71%-86% kunne tilskrives uagtsomhed af endoskopist 6, syv. Derfor er det meget vigtigt at forbedre kvaliteten af ​​rutinemæssig endoskopisk undersøgelse, mens den endoskopiske teknik udvides.

Kvalitetskontrolindekset for koloskop kan afspejle operationsniveauet hos endoskopilæger, og det er et meget vigtigt værktøj til at sikre kvaliteten af ​​koloskopet. Undersøgelsen og feedbacken af ​​endoskopistens kvalitetskontroldata kan effektivt forbedre påvisningshastigheden af ​​læsioner og garantere det høje niveau af endoskopisk kvalitet. Det er nøglen til at garantere kvaliteten af ​​enteroskopi at fremlægge kvalitetskontrolindekset, som kan afspejle kvaliteten af ​​endoskopisk operation. Barclay foreslog i 2006, at der var en signifikant sammenhæng mellem koloskopitilbagetrækningstid og frekvensen af ​​adenomer hos patienter, og deres resultater blev offentliggjort i The New England Journal of Medicine med en impact factor på 70,67. Så var der 367 artikler om undersøgelsen af ​​hastigheden af ​​enteroskopi-abstinenser. Aslinia lavede en retrospektiv analyse af sammenhængen mellem forekomsten af ​​blindhed opnået ved enteroskopi og prognosen for patienter, og foreslog forekomsten af ​​blindhed nået som et kvalitetskontrolindeks for enteroskopi. Andre kvalitetskontrolindikatorer, såsom tarmrenlighed og polypperdetektionsrate, er publiceret i internationalt kendte tidsskrifter og inkluderet i retningslinjerne for at regulere kvaliteten af ​​endoskopilægers daglige arbejde, hvilket har stor klinisk betydning.

På trods af de ovennævnte kvalitetskontrolindikatorer er de eksisterende endoskopiske kvalitetskontrolindikatorer imidlertid alvorligt utilstrækkelige. Ifølge en multicenter klinisk undersøgelse afspejler de nuværende kvalitetskontrolindikatorer kun omkring 40 % af forskellen i læsionsdetektionsniveauer mellem endoskopiske læger. Eksistensen af ​​dette fænomen indikerede, at der er behov for flere kvalitetskontrolindekser for fuldt ud at afspejle kvaliteten af ​​endoskopiske procedurer. Som et kvalitetskontrolindeks, der afspejler tarmens forberedelse, er tarmens renhed en fatal defekt med stærk subjektivitet og dårlig konsistens blandt observatører, derfor har den eksisterende koloskopi brug for mere omfattende, objektive kvalitetskontrolindikatorer for at afspejle niveauet af endoskopiske læger, for at sikre kvaliteten af ​​koloskopi.

I det sidste årti har kunstig intelligens (AI) gjort bemærkelsesværdige fremskridt på det medicinske område. Andre Esteva brugte et dybt neuralt netværk (DNN) til at klassificere hudkræft med nøjagtighed på ekspertniveau. Inden for fordøjelsesendoskopi er projektgruppen i begyndelsen gjort et kæmpe gennembrud. I 2018 reducerede den kunstige intelligens gastroskopi blind plet overvågningsmodel udviklet af projektteamet signifikant endoskopi blind plet i randomiserede kontrollerede kliniske forsøg, resultaterne blev offentliggjort i tidsskriftet Gut med en impact factor på 17,94. I 2019 viste holdets kunstige intelligensmodel til evaluering af tarmens renhed, offentliggjort i tidsskriftet gastroastrotestinal endoscopy med en impact factor på 7,23, en bedre billednøjagtighed end endoskopisten i konkurrencen om menneskelig computer. Samme år udviklede projektet en model for koloskopihastighedsovervågning baseret på Hasche-perceptionsalgoritme og en model for koloskopi-slide-spejlmonitorering baseret på billedklassificering, og gennemførte randomiserede kontrollerede kliniske forsøg, modellen forbedrede koloskopisters evne til at opdage læsioner markant. , Undersøgelsen blev offentliggjort i The Lancet Gastroenterology 18 med en impact factor på 12,87.

Baseret på det ovennævnte rige grundlag for tidligt arbejde, samt den nuværende store efterspørgsel inden for kvalitetskontrol af enteroskopi, har vi til hensigt at validere den kunstig intelligens-baserede enteroskopi-udgangshastighed, tarmrenlighed og enteroskopi-glasmodel udviklet af projektteamet gennem en multi-center klinisk undersøgelse, for at evaluere gennemførligheden og nøjagtigheden af ​​lægens operationskvalitet som et kvalitetskontrolindeks.