Entwicklung und Validierung eines auf künstlicher Intelligenz basierenden Navigationssystems für Gallenstrikturen in der MRCP-basierten ERCP

585/5000 Gallenstrikturen können in gutartige Gallenstrikturen und bösartige Gallenstrikturen unterteilt werden, wobei eine bösartige Gallengangsobstruktion die häufigste Ursache ist. Da es derzeit keine spezifische Früherkennungsmethode für eine maligne Hilus-Gallenobstruktion gibt und die meisten Patienten im Frühstadium keine offensichtlichen klinischen Symptome aufweisen, befinden sich die meisten Patienten bei der Erstdiagnose bereits im fortgeschrittenen Stadium. Eine fortgeschrittene maligne Gallenstauung des Hilus kann keiner Resektionsoperation unterzogen werden, deren erste Wahl für die Behandlung die palliative endoskopische Gallendrainage ist. Die Gallendrainage kann Gelbsucht, Juckreiz und andere Symptome aufgrund von Cholestase lindern. Bevor jedoch der Stent in das schmale Segment eingesetzt wurde, konnte das Kontrastmittel nicht durch das schmale Segment gelangen und der Gallengang oberhalb des schmalen Segments war nicht zu sehen. Daher war es für Ärzte schwierig, die Richtung des Führungsdrahtes zu bestimmen Position des Stents. Darüber hinaus kann die wahllose Anwendung des Kontrastmittels zu einer Abflussbehinderung führen, die zu einer Infektion führen kann. Es gibt jedoch keine relevante Forschung zur Lösung dieser Probleme.

MRCP ist die bevorzugte Untersuchungsmethode bei Erkrankungen der Bauchspeicheldrüse und der Gallenwege. Daher sollte eine MRCP routinemäßig durchgeführt werden, bevor Patienten mit ERCP behandelt werden. Derzeit befindet sich MRCP in Rückenlage und ERCP in Bauchlage. Unterschiedliche Positionen führen zu Unterschieden in der Morphologie der MRCP und des Gallengangs bei der ERCP. Daher spielt die präoperative MRCP in Rückenlage nur eine begrenzte Rolle bei der Beratung von Ärzten zur Morphologie des Gallengangs. Daher ist die MRCP in Bauchlage für Endoskopiker günstiger, um eine ERCP durchzuführen.

In den letzten Jahren wurden Deep-Learning-Algorithmen kontinuierlich weiterentwickelt und zunehmend ausgereift. Sie wurden nach und nach im medizinischen Bereich angewendet. Computer Vision ist eine Wissenschaft, die untersucht, wie man Maschinen „sehen“ lässt. Durch Deep Learning können Kamera und Computer das menschliche Auge ersetzen, um maschinelles Sehen wie Zielerkennung, -verfolgung und -messung durchzuführen. Auch die interdisziplinäre Zusammenarbeit im Bereich der medizinischen Bildgebung und Computer Vision ist einer der Forschungsschwerpunkte der letzten Jahre. Derzeit wird es hauptsächlich zur automatischen Identifizierung und Erkennung von Läsionen sowie zur Qualitätskontrolle eingesetzt und hat gute Ergebnisse erzielt. Es kann Ärzten dabei helfen, Läsionen zu finden, Krankheitsdiagnosen zu stellen und ärztliche Eingriffe zu standardisieren, um so die Qualität ärztlicher Eingriffe zu verbessern. Mit ausgereifter technischer Unterstützung hat es gute Aussichten und einen guten Anwendungswert für die Entwicklung eines endoskopischen Betriebssystems zur Läsionserkennung und -erkennung Qualitätskontrolle auf Basis von Methoden der künstlichen Intelligenz wie Deep Learning.

In dieser Studie schlugen die Forscher ein auf künstlicher Intelligenz basierendes Gallenstriktur-Navigationssystem in MRCP-basierter ERCP vor, das die Richtung des Führungsdrahts und die Position der Stentplatzierung in Echtzeit vorgeben kann.