Para evaluar la capacidad de un sistema automático de informes de imágenes EUS

Un informe bien escrito es la forma más importante de comunicación entre los médicos, los médicos remitentes y los pacientes. Los informes también juegan un papel clave para la mejora de la calidad en la endoscopia digestiva. A diferencia de la endoscopia digestiva, la calidad de los informes en la ecografía endoscópica (EUS) no se ha evaluado a fondo y se carece de un estándar de referencia. De acuerdo con las declaraciones de orientación con respecto a los elementos estándar de informes de EUS desarrollados y revisados ​​​​en la reunión anual de 2019 del Foro para el ultrasonido endoscópico canadiense, la documentación fotográfica adecuada de todas las lesiones relevantes y los puntos de referencia anatómicos deben incluirse en los informes de EUS y almacenarse para referencia futura. La documentación fotográfica sistemática en USE es un indicador de la calidad del procedimiento según la ASGE. La documentación fotográfica sistemática puede facilitar las evaluaciones EUS de vigilancia. Según una encuesta internacional en línea, la mayoría de los endosonógrafos utilizaron un árbol estructurado en el informe que describía los hallazgos normales y anormales (81 %) o solo los hallazgos anormales (7 %). Por lo tanto, es necesario desarrollar un sistema estandarizado de reporte de imágenes de ultrasonido endoscópico.

Las últimas décadas han sido testigos del notable progreso de la inteligencia artificial (IA) en el campo de la medicina. El aprendizaje profundo, un subconjunto de la IA, ha mostrado un gran potencial en la elaboración de análisis de imágenes. En el campo de la endoscopia digestiva, el aprendizaje profundo ha sido ampliamente estudiado, incluida la identificación de lesiones focales, la diferenciación de lesiones malignas y no malignas, etc. Sin embargo, un estudio raro trabaja en la documentación fotográfica automática durante la ecografía endoscópica.

Nuestro trabajo anterior ha desarrollado con éxito un sistema de navegación EUS de aprendizaje profundo que puede identificar las estaciones estándar del páncreas y el CDB en tiempo real. En el presente estudio, construimos además un sistema automático de informes de imágenes EUS (EUS-AIRS). El EUS-AIRS puede capturar automáticamente imágenes de estaciones estándar, lesiones y procedimientos de biopsia, y etiquetar Tipos de lesiones, generando así un informe de imágenes con gran integridad y calidad durante la ultrasonografía endoscópica.

Probamos el rendimiento de EUS-AIRS probando su rendimiento en datos retrospectivos internos y externos, y anticipamos determinar la utilidad de EUS-AIRS en la práctica clínica probando su rendimiento en pacientes prospectivos consecutivos.