大腸内視鏡検査における人工知能支援品質評価システムの多施設前向き研究

結腸内視鏡検査は、下部消化管疾患の検出と診断のための重要な技術です。 高品質の内視鏡検査はより良い結果につながりますが、内視鏡医によってスキルレベルは大きく異なります。 結腸直腸腺腫の見逃し率は22%で、見逃し率は7.4%から52.5%の範囲でした。 一連の研究によると、患者の12.1％は結腸内視鏡検査中にはがんにならなかったが、5年以内に結腸直腸がん（結腸鏡検査後結腸直腸がん、PCCRC）と診断され、そのうち71％～86％は医師の怠慢に起因する可能性があることが示された。内視鏡医 6、7。 したがって、内視鏡技術を拡張しながら、日常の内視鏡検査の質を向上させることが非常に重要です。

大腸内視鏡の品質管理指標は、内視鏡医師の手術レベルを反映することができ、大腸内視鏡の品質を確保するための非常に重要なツールです。 内視鏡医の品質管理データの検査とフィードバックにより、病変の検出率が効果的に向上し、高レベルの内視鏡の品質が保証されます。 内視鏡検査の品質を保証するには、内視鏡医の手術の質を反映できる品質管理指標を提唱することが重要です。 Barclay は 2006 年に、結腸内視鏡検査の中断時間と患者の腺腫率の間には有意な相関関係があると提案し、その結果はインパクトファクター 70.67 として The New England Journal of Medicine に発表されました。 次に、小腸鏡検査の撤回速度の研究に関する論文が 367 件ありました。 Aslinia は、小腸内視鏡検査による失明の発生率と患者の予後の相関関係を遡及的に分析し、小腸内視鏡検査の品質管理指標として失明の発生率を提案しました。 腸の清潔度やポリープの検出率などの他の品質管理指標は、国際的に有名な学術誌に掲載され、内視鏡医師の日常業務の質を規制するためのガイドラインに組み込まれており、臨床的に大きな意味があります。

しかしながら、上記の品質管理指標にもかかわらず、既存の内視鏡の品質管理指標は著しく不十分である。 多施設臨床研究によると、現在の品質管理指標は、内視鏡医師間の病変検出レベルの差異の約 40% しか反映していません。 この現象の存在は、内視鏡処置の品質を完全に反映するには、より多くの品質管理指標が必要であることを示しています。 腸の準備を反映する品質管理指標として、腸の清潔さは主観性が強く、観察者間の一貫性が乏しい致命的な欠陥であるため、既存の大腸内視鏡検査には、内視鏡医師のレベルを反映し、より包括的で客観的な品質管理指標が必要です。大腸内視鏡検査の質。

過去 10 年間、医療分野では人工知能 (AI) が目覚ましい進歩を遂げました。 Andre Esteva 氏は、ディープ ニューラル ネットワーク (DNN) を使用して、専門家レベルの精度で皮膚がんを分類しました。 消化器内視鏡の分野では、初期のプロジェクトチームが大きな進歩を遂げました。 2018年、プロジェクトチームが開発した人工知能胃カメラ死角モニタリングモデルは、ランダム化比較臨床試験において内視鏡死角を大幅に減少させ、その結果はインパクトファクター17.94でGut誌に発表された。 2019年に胃腸内視鏡学会誌に発表された腸の清潔度を評価するためのチームの人工知能モデルはインパクトファクター7.23で、人間のコンピュータ競技会の内視鏡医よりも優れた画像精度を示した。 同年、このプロジェクトは、ハッシェ知覚アルゴリズムに基づいた結腸内視鏡検査の速度モニタリングのモデルと、画像分類に基づいた結腸内視鏡検査のスライドミラーモニタリングのモデルを開発し、ランダム化比較臨床試験を実施しました。このモデルは結腸内視鏡医の病変検出能力を大幅に向上させました。 , この研究は、インパクトファクター12.87でThe Lancet Gastroenterology 18に掲載されました。

前述の初期の研究の豊富な基盤と、小腸鏡検査の品質管理の分野における現在の大きな需要に基づいて、私たちは人工知能ベースの小腸鏡検査の出口速度、腸の清浄度、および腸鏡検査のスライドモデルを検証するつもりです。プロジェクトチームは、多施設共同臨床研究を通じて、精度管理の指標として医師の手術の質の実現可能性と正確性を評価します。