Validación de un sistema de navegación EUS biliopancreático basado en IA para la mejora de la calidad en tiempo real: un ensayo controlado aleatorizado prospectivo de un solo centro

En los últimos años, la ultrasonografía endoscópica (EUS) se ha convertido en una modalidad de imagen preferida para el diagnóstico de enfermedades biliopancreáticas, especialmente tumores pancreáticos pequeños (< 3 cm) y cálculos en las vías biliares pequeños (< 4 mm). Por lo tanto, la EUS a menudo se elige como la herramienta principal para la detección temprana de enfermedades biliopancreáticas entre individuos de alto riesgo. Sin embargo, una gran cantidad de estudios han demostrado que la tasa de detección de enfermedades biliopancreáticas bajo EUS varía del 70% al 93% entre diferentes endoscopistas debido a la calidad del examen y las diferencias entre los operadores, lo que sugiere que hay un diagnóstico erróneo de las lesiones. El diagnóstico erróneo de cáncer de páncreas hace que los pacientes pierdan la oportunidad de una cirugía radical y la tasa de supervivencia a cinco años se reduce al 7,2%; y el diagnóstico erróneo de coledocolitiasis causa enfermedades agudas graves como colangitis aguda y pancreatitis aguda; tiene graves consecuencias sobre el pronóstico y la calidad de vida de los pacientes. Por lo tanto, es importante reducir el diagnóstico perdido de lesiones mientras se expande aún más la aplicación de EUS.

Asegurar la calidad del examen es un requisito fundamental para descubrir lesiones biliopancreáticas en la USE. Hay dos razones principales que afectan la calidad del examen EUS biliopancreático: Primero, la operación no estándar por parte de los endoscopistas; Los excelentes exámenes USE biliopancreáticos requieren la continuidad e integridad de la exploración. De acuerdo con la experiencia de la Sociedad Japonesa de Endoscopia Gastrointestinal y de expertos europeos y estadounidenses, el abordaje multiestación en la USE biliopancreática se ha establecido como el procedimiento de exploración estándar. Y estas estaciones estándar incluyen puntos de referencia anatómicos que se pueden usar para ubicar el transductor e identificar áreas que no se escanean. La Sociedad Estadounidense de Endoscopia Gastrointestinal (ASGE) y el Grupo de Trabajo de Calidad Endoscópica de la Asociación Estadounidense de Endoscopia Gastrointestinal (ACG) también han emitido indicadores de calidad que deben completarse para el examen EUS. Pero a menudo no se siguen bien debido a la falta de supervisión y disponibilidad de herramientas prácticas, y hay una gran cantidad de áreas ciegas en las ecografías EUS diarias actuales. En segundo lugar, es difícil entender las imágenes estadounidenses con textura gris y blanca. Incluso los endoscopistas experimentados tienen algunos desafíos para identificar estructuras anatómicas en imágenes de EUS. Por lo tanto, es fundamental desarrollar una herramienta práctica que pueda monitorear el área ciega del examen EUS en tiempo real, reducir la dificultad de la interpretación ultrasonográfica y estandarizar la calidad del examen EUS.

El aprendizaje profundo se ha aplicado con éxito a muchas áreas de la medicina. En el campo de la ultrasonografía endoscópica, la mayoría de las investigaciones se dedican al uso de herramientas informáticas para ayudar en el diagnóstico de lesiones en imágenes estáticas, mientras que trabajos raros estudiaron el papel del aprendizaje profundo en el seguimiento del área ciega de los exámenes EUS y la exploración de la asistencia en imágenes reales. -Tiempo de interpretación ultrasonográfica. Anteriormente, hemos desarrollado y validado con éxito un sistema de navegación EUS que puede identificar las estaciones estándar de EUS de páncreas y vías biliares en tiempo real. Aunque se han publicado resultados preliminares alentadores con respecto al uso de inteligencia artificial para reducir la dificultad de las imágenes de USE, este sistema no se ha validado en un entorno clínico real y no está claro si se puede aplicar con éxito en la práctica clínica y mejorar la calidad del examen EUS.

Por lo tanto, en este estudio, actualizamos el dispositivo analítico de endoscopia inteligente y en tiempo real EUS (denominado EUS-IREAD) basado en los modelos de reconocimiento de estación EUS biliopancreática antes mencionados y entrenamos aún más una función de identificación de puntos anatómicos para ubicar mejor la posición del transductor y diagnosticar lesiones biliopancreáticas. Luego llevamos a cabo un ensayo controlado aleatorizado de un solo centro para evaluar su desempeño complementario para los endoscopistas de EUS en un entorno clínico.