Tutkimus AI-avusteisesta autoimmuunisen haimatulehduksen multimodaalisesta diagnoosijärjestelmästä

Nykyinen kattava autoimmuunihaimatulehduksen (AIP) diagnostiikkajärjestelmä on monimutkainen, ja se sisältää moniulotteista kliinistä tietoa, mukaan lukien morfologiset muutokset ja spesifisten biomarkkerien puute. Endoskooppinen ultraääni (EUS) voi tarjota kaikki elementit AIP:n morfologiseen diagnoosiin, mutta pitkä oppimiskäyrä ja suuret havainnointierot vaikeuttavat sen popularisoimista ja edistämistä. Tämän hankkeen kolmen alueen yhteistyöyksiköt ovat varhaisessa vaiheessa havainneet, että Klebsiella pneumoniaen (KP) indusoima follikulaaristen auttaja-T-solujen (Tfh) aktivaatio on tärkeä AIP:n mekanismi, mutta kannan patogeenisten komponenttien tunnistaminen ja kliininen validointi. täytyy tutkia. Olemme perustaneet kansallisen monikeskuksen AIP-jonon alkuvaiheessa ja poimineet EUS:n audiovisuaalisia ominaisuuksia pisteytysmallin luomiseksi, mutta älykästä apua tarvitaan edelleen tehokkuuden parantamiseksi. Siksi aiomme integroida suoliston mikrobiot, Tfh-aktivointimarkkerit ja EUS-kuvausominaisuudet luodaksemme tekoälyavusteisen multimodaalisen diagnoosijärjestelmän AIP:lle. Tässä tutkimuksessa tehdään yhteistyötä useiden keskusten kesken tunnistaakseen ja validoidakseen komponentit, jotka indusoivat Tfh-aktivaatiota KP-bakteerisoluissa, poimimaan EUS-haiman ultraääniominaisuuksia ja optimoimaan tekoälyavusteisia diagnostisia algoritmeja sekä perustamaan ja validoimaan tekoälyavusteisen multimodaalisen diagnoosijärjestelmän, joka perustuu kliiniset tiedot, biomarkkerit ja EUS. Tämän tutkimuksen tavoitteena on tarjota uusia AIP-diagnoosin ja hoidon arviointimenetelmiä, jotka ovat erittäin tarkkoja, käteviä ja helposti edistettäviä kliiniseen käytäntöön.