Estudio sobre el sistema de diagnóstico multimodal de pancreatitis autoinmune asistido por IA

El sistema de diagnóstico integral existente para la pancreatitis autoinmune (PAI) es complejo, con información clínica multidimensional que incluye cambios morfológicos y falta de biomarcadores específicos. La ecografía endoscópica (USE) puede proporcionar todos los elementos para el diagnóstico morfológico de la AIP, pero la larga curva de aprendizaje y las grandes diferencias entre observadores dificultan su popularización y promoción. Las unidades de cooperación de las tres regiones en este proyecto han descubierto en una etapa inicial que la activación de las células T foliculares auxiliares (Tfh) inducida por Klebsiella pneumoniae (KP) es un mecanismo importante de la AIP, pero todavía no se han logrado identificar los componentes patógenos de la cepa y validarla clínicamente. necesita ser explorado. Hemos establecido una cola AIP multicéntrica nacional en la etapa inicial y extrajimos características audiovisuales de EUS para establecer un modelo de puntuación, pero aún se necesita asistencia inteligente para mejorar la eficiencia. Por lo tanto, planeamos integrar la microbiota intestinal, los marcadores de activación de Tfh y las funciones de imágenes EUS para establecer un sistema de diagnóstico multimodal asistido por IA para la AIP. Este estudio colaborará en múltiples centros para identificar y validar los componentes que inducen la activación de Tfh en células bacterianas KP, para extraer características de ultrasonido pancreático EUS y optimizar algoritmos de diagnóstico asistidos por inteligencia artificial, y para establecer y validar un sistema de diagnóstico multimodal asistido por inteligencia artificial basado en información clínica, biomarcadores y USE. El objetivo de este estudio es proporcionar nuevos métodos de evaluación de diagnóstico y tratamiento para AIP con alta precisión, conveniencia y fácil promoción para la práctica clínica.