At evaluere kapaciteten af ​​et EUS automatisk billedrapporteringssystem

En velskrevet rapport er den vigtigste kommunikationsmåde mellem klinikere, henvisende læger og patienter. Rapporter spiller også en nøglerolle for kvalitetsforbedring i fordøjelsesendoskopi. I modsætning til fordøjelsesendoskopi er kvaliteten af ​​rapportering i endoskopisk ultralyd (EUS) ikke blevet grundigt evalueret, og der mangler en referencestandard. I henhold til vejledningen vedrørende standard EUS-rapporteringselementer, der er udviklet og gennemgået på Forum for Canadian Endoscopic Ultrasound 2019 Annual Meeting, bør passende fotodokumentation af alle relevante læsioner og anatomiske vartegn inkluderes i EUS-rapporter og opbevares til fremtidig reference. Systematisk fotodokumentation i EUS er en indikator for procedurekvalitet ifølge ASGE. Systematisk fotodokumentation kan lette EUS-evalueringer af overvågning. Ifølge en international online-undersøgelse brugte de fleste endosografer et struktureret træ i rapporten, der beskriver enten normale og unormale fund (81 %) eller kun unormale fund (7 %). Derfor er det nødvendigt at udvikle et standardiseret endoskopisk ultralydsbilledrapporteringssystem.

De seneste årtier har været vidne til de bemærkelsesværdige fremskridt inden for kunstig intelligens (AI) på det medicinske område. Deep learning, en undergruppe af AI, har vist et stort potentiale i at udarbejde billedanalyse. Inden for fordøjelsesendoskopi er deep learning blevet undersøgt bredt, herunder identifikation af fokale læsioner, differentiering af maligne og ikke-maligne læsioner og så videre. Sjælden undersøgelse virker dog på automatisk fotodokumentation under endoskopisk ultralyd.

Vores tidligere arbejde har med succes udviklet et deep learning EUS navigationssystem, der kan identificere standardstationerne i bugspytkirtlen og CBD i realtid. I denne undersøgelse konstruerede vi yderligere et EUS automatisk billedrapporteringssystem (EUS-AIRS). EUS-AIRS kan automatisk optage billeder af standardstationer, læsioner og biopsiprocedurer og mærke læsionstyper og derved generere en billedrapport med høj fuldstændighed og kvalitet under endoskopisk ultralyd.

Vi testede ydeevnen af ​​EUS-AIRS ved at teste dens ydeevne på retrospektive interne og eksterne data, og vi forventer at bestemme anvendeligheden af ​​EUS-AIRS i klinisk praksis ved at teste dens ydeevne i på hinanden følgende potentielle patienter.