AI-assisteret cellulær endoskopi i realtid til diagnose af kolorektale læsioner: en multicenter, potentiel klinisk undersøgelse

Koloskopi er i øjeblikket guldkvaliteten inden for screening for kolorektal cancer. Endocytoskopi er en slags ultrahøjforstørrelses endoskopi. I kombination med kemisk farvning og narrow band imaging-teknologi kan endoskopister observere cellekernens morfologi, kirtelrørets morfologi og mikrovaskulær morfologi med det blotte øje, for derved at undgå patologisk undersøgelse og opnå formålet med realtidsbiopsi in vivo. Dog kræver vurderingen af endocytoskopibilleder meget erfaring for at forbedre vurderingsnøjagtigheden. Desuden har endoskopister visse subjektive vurderinger og fejl i processen med at bedømme resultaterne. Derfor er kunstig intelligens (AI) foreslået til computerassisteret diagnose i klinikken for at løse dette problem. På nuværende tidspunkt er de tilgængelige kunstige intelligenssystemer til at assistere endoskopister i at diagnosticere ved hjælp af endocytoskopi stadig relativt få, og de er baseret på traditionelle maskinlæringsmetoder, som stadig har visse begrænsninger med hensyn til nøjagtighed. Med den fortsatte udvikling af computervisionsteknologi er deep learning blevet bredt anvendt i udviklingen af endoskopisk assistentdiagnosesystemer. Derfor udviklede forskerne et CADx-system trænet ved hjælp af deep learning for at assistere endoskopister i at stille diagnoser, når de bruger endocytoskopi. Dette CADx-system kan forudsige de fangede endocytoskopibilleder i realtid og vise forudsigelsesresultaterne, hvilket kan assistere endoskopister i at give diagnostiske referencer.

Dog har denne CADx-teknologi i øjeblikket endnu ikke gennemgået prospektiv klinisk validering i den kliniske setting. Forskerne planlægger at gennemføre en prospektiv klinisk undersøgelse for at validere nøjagtigheden af CADx til forudsigelse af kolorektale læsioners histologi i realtids endocytoskopi. Denne undersøgelse vil prospektivt indsamle de læsioner, der opfylder inklusions- og eksklusionskriterierne. Efter at endoskopisterne har stillet diagnosen gennem endoskopiske billeder og CADx og derefter har gennemgået endoskopisk resektion eller kirurgisk resektion efterfulgt af patologisk diagnose, vil de sammenligne de kunstige intelligensdiagnoseresultater med guldkvalitetsstandarden for patologiske resultater og opsummere den diagnostiske nøjagtighed af dette kunstige intelligensassisterede diagnosesystem for de kolorektale læsioner.

Forskerne planlægger at gennemføre en prospektiv, multicentrisk klinisk undersøgelse for at validere nøjagtigheden af CADx-støtte til forudsigelse af kolorektale læsioners histologi i realtids endocytoskopi.