Real-time kunstig intelligens-baseret endocytoskopisk diagnose af kolorektale neoplasmer

Kolorektal cancer (CRC) er den tredjehyppigste malignitet og den næsthyppigste årsag til kræftrelateret død på verdensplan. Koloskopi anses for at være den foretrukne metode til screening for kolorektal cancer, og resektion af kolorektale læsioner kan reducere forekomsten og dødeligheden af ​​kolorektal cancer betydeligt. For at forbedre den kvalitative og kvantitative diagnose af kolorektale læsioner er mange endoskopiske teknikker, såsom billedforstærket endoskopi (IEE), herunder narrowband imaging (NBI), forstørrelsesendoskopi, pigmentendoskopi, konfokal laserendoskopi og endocytoskopi (EC) anvendt klinisk. Men med det stigende antal endoskopiske resektioner stiger omkostningerne forbundet med den patologiske diagnose af endoskopisk resektion og resektionsprøver år for år. I klinisk praksis kræver nogle ikke-neoplastiske kolorektale læsioner muligvis ikke resektion, så det er vigtigt at skelne neoplastisk fra ikke-neoplastisk under koloskopi. Anvendelsen af ​​EC er beregnet til at opnå formålet med histopatologisk endoskopisk diagnose i realtid uden biopsi. Adskillige undersøgelser har vist, at EC er effektiv til at identificere arten af ​​kolorektale læsioner og bedømme dybden af ​​invasionen i CRC. Ud fra den endoskopiske diagnose kan endoskopisten fastlægge behandlingsplanen for de kolorektale læsioner. Det seneste EC er et integreret endoskop med et kontaktlysmikroskopisystem med en maksimal forstørrelse på 520 x. EC kan demonstrere den atypiske kirtelstruktur og celler efter farvning og vise læsionens superforstærkede overflademikrokar under EC-NBI-tilstand. Imidlertid kræver bedømmelsen af ​​endocytoskopiske billeder en masse erfaring for at forbedre den diagnostiske nøjagtighed. Desuden har endoskopister visse subjektive vurderinger og fejl i endocytoskopisk diagnose. Der er et kunstig intelligenssystem, som er blevet udviklet til at identificere kolorektale neoplasmer. Der er dog stadig mangel på prospektiv klinisk verifikation baseret på kinesisk befolkning. I undersøgelsen udførte efterforskerne en prospektiv klinisk undersøgelse for at bestemme den diagnostiske nøjagtighed af et kunstigt intelligenssystem.