Pour évaluer la capacité d'un système de rapport d'image automatique EUS

Un rapport bien rédigé est le moyen de communication le plus important entre les cliniciens, les médecins traitants et les patients. Les rapports jouent également un rôle clé dans l'amélioration de la qualité de l'endoscopie digestive. Contrairement à l'endoscopie digestive, la qualité des comptes rendus en échographie endoscopique (EUS) n'a pas été complètement évaluée et il manque une norme de référence. Selon les déclarations d'orientation concernant les éléments de rapport EUS standard élaborés et examinés lors de la réunion annuelle 2019 du Forum canadien sur l'échographie endoscopique, une documentation photographique appropriée de toutes les lésions et repères anatomiques pertinents doit être incluse dans les rapports EUS et conservée pour référence future. La documentation photographique systématique dans EUS est un indicateur de la qualité de la procédure selon l'ASGE. Une documentation photographique systématique peut faciliter les évaluations EUS de surveillance. Selon une enquête internationale en ligne, la plupart des endosonographes ont utilisé un arbre structuré dans le rapport décrivant soit les résultats normaux et anormaux (81 %) ou uniquement les résultats anormaux (7 %). Par conséquent, il est nécessaire de développer un système standardisé de rapport d'image échographique endoscopique.

Les dernières décennies ont vu les progrès remarquables de l'intelligence artificielle (IA) dans le domaine médical. L'apprentissage en profondeur, un sous-ensemble de l'IA, a montré un grand potentiel dans l'élaboration de l'analyse d'images. Dans le domaine de l'endoscopie digestive, l'apprentissage profond a été largement étudié, incluant l'identification des lésions focales, la différenciation des lésions malignes et non malignes, etc. Cependant, rares sont les travaux d'étude sur la documentation photographique automatique lors de l'échographie endoscopique.

Nos travaux précédents ont développé avec succès un système de navigation EUS d'apprentissage en profondeur qui peut identifier les stations standard du pancréas et du CBD en temps réel. Dans la présente étude, nous avons en outre construit un système de rapport d'image automatique EUS (EUS-AIRS). L'EUS-AIRS peut capturer automatiquement des images de stations standard, de lésions et de procédures de biopsie, et étiqueter les types de lésions, générant ainsi un rapport d'image avec une exhaustivité et une qualité élevées pendant l'échographie endoscopique.

Nous avons testé les performances de l'EUS-AIRS en testant ses performances sur des données internes et externes rétrospectives, et nous prévoyons de déterminer l'utilité de l'EUS-AIRS dans la pratique clinique en testant ses performances chez des patients potentiels consécutifs.