Validierung eines KI-basierten biliopankreatischen EUS-Navigationssystems zur Qualitätsverbesserung in Echtzeit: Eine prospektive, monozentrische, randomisierte kontrollierte Studie

Die endoskopische Sonographie (EUS) hat sich in den letzten Jahren zu einem bevorzugten bildgebenden Verfahren zur Diagnostik biliopankreatischer Erkrankungen entwickelt, insbesondere bei kleinen (< 3 cm) Pankreastumoren und kleinen (< 4 mm) Gallengangssteinen. Daher wird EUS häufig als Hauptinstrument für das Screening früher biliopankreatischer Erkrankungen bei Personen mit hohem Risiko gewählt. Zahlreiche Studien haben jedoch gezeigt, dass die Erkennungsrate von biliopankreatischen Erkrankungen unter EUS zwischen 70 % und 93 % bei verschiedenen Endoskopikern aufgrund von Untersuchungsqualität und Unterschieden zwischen den Bedienern variiert, was darauf hindeutet, dass Läsionen nicht diagnostiziert wurden. Die verpasste Diagnose von Bauchspeicheldrüsenkrebs führt dazu, dass Patienten die Möglichkeit einer radikalen Operation verpassen, und die Fünf-Jahres-Überlebensrate wird auf 7,2 % reduziert; und die versäumte Diagnose einer Choledocholithiasis verursacht schwere akute Erkrankungen wie akute Cholangitis und akute Pankreatitis; sie hat schwerwiegende Folgen für die Prognose und Lebensqualität der Patienten. Daher ist es wichtig, die Fehldiagnose von Läsionen zu reduzieren und gleichzeitig die Anwendung von EUS weiter auszubauen.

Die Sicherstellung der Untersuchungsqualität ist eine grundlegende Voraussetzung für die Entdeckung biliopankreatischer Läsionen beim EUS. Es gibt zwei Hauptgründe, die die Qualität der biliopankreatischen EUS-Untersuchung beeinflussen: Erstens, nicht standardmäßige Operation durch Endoskopiker; Hervorragende biliopankreatische EUS-Untersuchungen erfordern die Kontinuität und Integrität des Scans. Nach den Erfahrungen der Japanese Society of Gastrointestinal Endoscopy und europäischer und amerikanischer Experten hat sich der Multi-Station-Ansatz beim biliopankreatischen EUS als Standard-Scanning-Verfahren etabliert. Und diese Standardstationen enthalten anatomische Orientierungspunkte, die verwendet werden können, um den Schallkopf zu lokalisieren und Bereiche zu identifizieren, die nicht gescannt werden. Die Endoskopische Qualitätsarbeitsgruppe der American Society for Gastrointestinal Endoscopy (ASGE) und der American Association for Gastrointestinal Endoscopy (ACG) haben ebenfalls Qualitätsindikatoren herausgegeben, die für die EUS-Untersuchung ausgefüllt werden sollten. Sie werden jedoch oft nicht gut befolgt, da es an Aufsicht und Verfügbarkeit praktischer Tools mangelt, und es gibt eine große Anzahl blinder Bereiche in den aktuellen täglichen EUS-Scans. Zweitens ist es schwierig, US-Bilder mit grauer und weißer Textur zu verstehen. Selbst erfahrene Endoskopiker haben einige Herausforderungen bei der Identifizierung anatomischer Strukturen in EUS-Bildern. Daher ist es entscheidend, ein praktisches Werkzeug zu entwickeln, das den blinden Bereich der EUS-Untersuchung in Echtzeit überwachen, die Schwierigkeit der Ultraschallinterpretation verringern und die Qualität der EUS-Untersuchung standardisieren kann.

Deep Learning wird in vielen Bereichen der Medizin erfolgreich angewendet. Auf dem Gebiet der endoskopischen Sonographie widmen sich die meisten Forschungen der Verwendung von Computerwerkzeugen zur Unterstützung der Diagnose von Läsionen in statischen Bildern, während seltene Arbeiten die Rolle des Deep Learning bei der Überwachung des blinden Bereichs von EUS-Untersuchungen und der Erforschung der Unterstützung in der Realität untersuchten -time ultrasonographische Interpretation. Zuvor haben wir erfolgreich ein EUS-Navigationssystem entwickelt und validiert, das die Standardstationen von Pankreas- und Gallengang-EUS in Echtzeit identifizieren kann. Obwohl ermutigende vorläufige Ergebnisse in Bezug auf den Einsatz künstlicher Intelligenz zur Reduzierung der Schwierigkeit von EUS-Bildern veröffentlicht wurden, wurde dieses System nicht in einer realen klinischen Umgebung validiert, und es ist unklar, ob es in der klinischen Praxis erfolgreich angewendet und verbessert werden kann die Qualität der EUS-Prüfung.

Daher haben wir in dieser Studie das EUS-intelligente und Echtzeit-Endoskopie-Analysegerät (mit dem Namen EUS-IREAD) basierend auf den oben genannten biliopankreatischen EUS-Stationserkennungsmodellen aktualisiert und eine anatomische Orientierungspunkt-Identifikationsfunktion weiter trainiert, um die Schallkopfposition und Diagnose besser zu lokalisieren biliopankreatische Läsionen. Anschließend führten wir eine monozentrische randomisierte kontrollierte Studie durch, um die unterstützende Leistung für EUS-Endoskopiker in einem klinischen Umfeld zu bewerten.