Tekoälyyn perustuvan Biliary Stricture -navigointijärjestelmän kehittäminen ja validointi MRCP-pohjaisessa ERCP:ssä

585/5000 Sappien ahtauma voidaan jakaa hyvänlaatuiseen ja pahanlaatuiseen sappien ahtaumaan, ja pahanlaatuinen sappitukos on yksi yleisimmistä syistä. Koska tällä hetkellä ei ole olemassa spesifistä varhaisseulontamenetelmää pahanlaatuisen hilar-sappitukoksen varalta ja useimmilla potilailla ei ole selviä kliinisiä oireita alkuvaiheessa, useimmat potilaat ovat jo pitkälle edenneessä vaiheessa, kun heidät ensimmäisen kerran diagnosoidaan. Pitkälle edenneelle pahanlaatuiselle hilariselle sapen tukkeutuneelle ei voida tehdä resektioleikkausta, jonka ensisijainen hoitovaihtoehto on palliatiivinen endoskooppinen sapen drenaatio. Sappien drenaatio voi lievittää keltaisuutta, kutinaa ja muita kolestaasin aiheuttamia oireita. Kuitenkin ennen kuin kapea segmentti asetettiin stentti, varjoaine ei päässyt kapeaan segmentin läpi eikä kapea segmentin yläpuolella olevaa sappitietä näkynyt. Siksi lääkäreiden oli vaikea määrittää ohjauskaapelin suuntaa ja stentin asento. Lisäksi varjoaineen umpimähkäinen käyttö voi aiheuttaa ulosvirtauksen tukkeutumisen, mikä johtaa infektioon. Ei kuitenkaan ole olemassa asiaankuuluvaa tutkimusta näiden ongelmien ratkaisemiseksi.

MRCP on suositeltu haima- ja sappitiesairauksien tutkimusmenetelmä. Siksi MRCP on tehtävä rutiininomaisesti ennen kuin potilaita hoidetaan ERCP:llä. Tällä hetkellä MRCP on makuuasennossa ja ERCP on makuuasennossa. Erilaiset asennot johtavat eroihin MRCP:n ja sappitiehyen morfologiassa ERCP:ssä. Joten ennen leikkausta MRCP:llä makuuasennossa on rajallinen rooli lääkäreiden neuvonnassa sappitiehyen morfologiassa. Siksi MRCP makuuasennossa on suotuisampi endoskooppiläisille suorittamaan ERCP:tä.

Viime vuosina syväoppimisalgoritmeja on jatkuvasti kehitetty ja kypsynyt yhä enemmän. Niitä on vähitellen sovellettu lääketieteen alalla. Tietokonenäkö on tiede, joka tutkii kuinka saada koneet "näkemään". Syväoppimisen avulla kamera ja tietokone voivat korvata ihmissilmät suorittamaan konenäköä, kuten kohteen tunnistusta, seurantaa ja mittausta. Tieteidenvälinen yhteistyö lääketieteellisen kuvantamisen ja tietokonenäön alalla on myös yksi viime vuosien tutkimuskohteista. Tällä hetkellä sitä käytetään pääasiassa leesioiden automaattiseen tunnistamiseen ja havaitsemiseen sekä laadunvalvontaan, ja se on saavuttanut hyviä tuloksia. Se voi auttaa lääkäreitä löytämään leesioita, tekemään sairauksien diagnosointia ja standardoimaan lääkäreiden toimintaa, mikä parantaa lääkäreiden toiminnan laatua. Kypsän teknisen tuen ansiosta sillä on hyvät mahdollisuudet ja sovellusarvo kehittää endoskooppinen käyttöjärjestelmä leesioiden havaitsemiseen ja havaitsemiseen. laadunvalvonta perustuu tekoälymenetelmiin, kuten syväoppimiseen.

Tässä tutkimuksessa tutkijat ehdottivat tekoälyyn perustuvaa Biliary Stricture Navigation System -järjestelmää MRCP-pohjaisessa ERCP:ssä, joka voi ohjata ohjauslangan suunnan ja stentin sijoituksen sijainnin reaaliajassa.