Monikeskustutkimus AI-avusteisen navigointijärjestelmän tehokkuudesta ja turvallisuudesta biliopankreaattisen EUS:n tapauksessa

Haimasyöpä on ruoansulatuskanavan pahanlaatuinen kasvain, joka alkaa salakavalasti, etenee nopeasti ja ennuste on erittäin huono. Maailman terveysjärjestön Kansainvälisen syöväntutkimuskeskuksen (IARC) julkaisemien viimeisimpien Kiinan syöpätietojen vuonna 2020 mukaan Kiinassa on noin 120 000 uutta haimasyöpätapausta, joiden kuolleisuus on lähes 100 %. vaarantaa vakavasti kansanterveyden. Haimasyövän varhainen diagnoosi voidaan saavuttaa kirurgisella resektiolla. Viiden vuoden eloonjäämisaste on 58 %. Kun pitkälle edennyt haimasyöpä kehittyy, potilaiden eloonjäämisaste on 7,2 %. Nopeasti kehittyvänä tappavana syövänä haimasyövän puuttuvalla diagnoosilla voi olla erittäin vakavia seurauksia potilaille. Varhaisen haimasyövän diagnostiikan parantaminen on kiireellinen ongelma, joka on ratkaistava.

Endoskooppista ultraäänitutkimusta (EUS) pidetään yhtenä herkimmistä haimasyövän havaitsemismenetelmistä. Sillä on paljon suurempi diagnostinen tarkkuus kuin magneettikuvauksella ja CT:llä haimasyövän, erityisesti varhaisen, halkaisijaltaan alle 1 cm:n haimasyövän diagnosoinnissa (EUS-FNA 95,6 % vs. CT 77,4 %, MRI 76,2 %). EUS on valittu menetelmä haimakasvainten varhaiseen diagnosointiin. Jotta haimasyövän diagnoosi ei jäänyt huomaamatta, EUS:n jatkuvuus ja eheys on varmistettava mahdollisimman hyvin. Mutta EUS on erittäin riippuvainen käyttäjästä ja oppimiskäyrä on jyrkkä, ja tutkimuksen laatu riippuu suuresti käyttäjän tekniikasta. Siksi on tarpeen kehittää järjestelmä, joka voi tehokkaasti auttaa EUS:n täyttä skannausta.

Asemalähestymistapa haiman EUS:ssä on vakiintunut vakioskannausmenettelyksi. Asemalähestymistavan täydentämisen periaate on löytää tämän aseman anatomiset maamerkit, kuten elimet (munuainen, perna), verisuonet (kuten pernavaltimo, pernan laskimo, porttilaskimo), tiehyet (haimatie, sappitie), jne.Näiden anatomisten maamerkkien skannaus on perusta koko haiman tarkalle arvioinnille. Samaan aikaan haimaleesioiden tyypissä ja kulun kehittymisessä on poikkeavia kuvantamislöydöksiä, joiden anatominen rakenne on erilainen. Esimerkiksi ultraäänikuvat haimasyövästä osoittavat verisuoniinvaasiota, sappihaimatiehyen muodonmuutoksia ja viereisten elinten etäpesäkkeitä. Ohjeissa edellytetään selvästi, että haimasyövän kirurgisen lähestymistavan valinnan on perustuttava syövän invaasion asteeseen viereisiin tärkeisiin anatomisiin rakenteisiin, jotta toiminnallisen haiman parenkyyman tilavuussäästöä voidaan maksimoida. Täydellinen anatominen skannaus voi auttaa diagnosoimaan haimavaurioita ja ohjata potilaan hoitoa ja ennustetta.

Viime vuosina tekoälyä (AI) on käytetty menestyksekkäästi useilla lääketieteen aloilla. Tällä hetkellä on tehty tutkimuksia tekoälypohjaisesta endoskooppisesta ultraäänitutkimuksesta haiman leesioiden tunnistamiseksi. Tekoälypohjaisesta navigointijärjestelmästä ei kuitenkaan ole tehty tutkimuksia haiman endoskooppiseen ultraäänitutkimukseen. Aiemmin olemme onnistuneesti kehittäneet standardin asemaskannausnavigointijärjestelmän haimaan ja sappitiehyille. Tämä järjestelmä voi parantaa endoskopistien tunnistustarkkuutta tavallisilla asemilla ja parantaa endoskooppisten ultraäänikuvien kognitiivista kykyä.

Edellisen pohjalta rakensimme EUS:ssä syväoppimiseen perustuvan haimaskannausnavigointijärjestelmän, joka voi auttaa tunnistamaan tärkeitä haiman vieressä olevia anatomisia rakenteita reaaliajassa. ja varmistaa sen lisäsuorituskyky endoskopisteille kliinisessä käytännössä. EUS:n laadun parantamiseksi ja haimaleesioiden puuttuvien diagnoosien vähentämiseksi.