인공지능 기반 대장내시경 품질평가 시스템에 대한 전향적 다기관 연구

대장내시경은 하부 위장관 질환을 발견하고 진단하는 핵심 기술입니다. 질 좋은 내시경이 더 좋은 결과를 낳지만, 내시경 전문의의 실력은 천차만별입니다. 대장 선종의 진단을 놓친 비율은 22%였으며, 진단을 놓친 비율은 7.4%에서 52.5%까지 다양했습니다. 일련의 연구에 따르면 환자의 12.1%가 대장내시경 검사에서 암이 없었지만 5년 이내에 대장암(대장내시경 후 대장암, PCCRC)으로 진단되었으며, 이 중 71~86%는 의료진의 부주의에 기인할 수 있습니다. 내시경 의사 6, 7. 따라서 내시경 기법을 확대하면서 일상적인 내시경 검사의 질을 높이는 것이 매우 중요하다.

대장내시경의 품질관리 지표는 내시경 의사의 수술 수준을 반영할 수 있으며 대장내시경의 품질을 보장하는 매우 중요한 도구입니다. 내시경 의사의 품질 관리 데이터에 대한 검사 및 피드백은 병변의 발견률을 효과적으로 향상시키고 높은 수준의 내시경 품질을 보장할 수 있습니다. 내시경 시술의 품질을 반영할 수 있는 품질관리 지표를 제시하는 것이 소장내시경의 품질을 보장하는 관건이다. Barclay는 2006년에 대장내시경 검사 중단 시간과 환자의 선종 비율 사이에 상당한 상관관계가 있다고 제안했으며, 그 결과는 70.67의 영향 계수로 The New England Journal of Medicine에 발표되었습니다. 그 다음으로 장내시경 철수 속도 연구에 관한 논문은 367편이었다. Aslinia는 소장경에 의해 도달한 실명 발생률과 환자의 예후 사이의 상관관계를 후향적으로 분석하고, 도달한 실명 발생률을 소장경 검사의 품질 관리 지표로 제안했습니다. 그 외 장청결도, 폴립 검출률 등의 품질관리 지표는 내시경 의사의 일상 업무 품질을 규제하기 위해 국제 저명한 학술지에 발표되고 가이드라인에 포함되어 있어 임상적 의의가 크다.

그러나 위에서 언급한 정도관리지표에도 불구하고 기존의 내시경 정도관리지표는 심각하게 미흡한 실정이다. 다기관 임상 연구에 따르면 현재 품질 관리 지표는 내시경 의사 간의 병변 감지 수준 차이의 약 40%만 반영합니다. 이러한 현상의 존재는 내시경 시술의 품질을 충분히 반영하기 위해서는 더 많은 품질관리 지표가 필요함을 시사한다. 장정결도를 반영하는 품질관리 지표로서 장청결도는 주관성이 강하고 관찰자간 일관성이 떨어지는 치명적인 결점이므로 기존 대장내시경은 내시경 의사의 수준을 반영할 수 있는 보다 종합적이고 객관적인 품질관리 지표가 필요하다. 대장내시경의 질.

지난 10년 동안 인공지능(AI)은 의료 분야에서 놀라운 발전을 이루었습니다. Andre Esteva는 심층 신경망(DNN)을 사용하여 전문가 수준의 정확도로 피부암을 분류했습니다. 소화기 내시경 분야에서 초기 프로젝트 팀은 큰 돌파구를 마련했습니다. 2018년 프로젝트팀이 개발한 인공지능 위내시경 사각지대 모니터링 모델은 무작위 대조 임상시험에서 내시경 사각지대를 크게 줄였으며, 그 결과는 영향력 지수 17.94로 Gut 저널에 게재되었습니다. 2019년 임팩트 팩터 7.23으로 위장관 내시경 저널에 발표된 장 청결도 평가를 위한 팀의 인공지능 모델은 인간 컴퓨터 경쟁에서 내시경 의사보다 더 나은 영상 정확도를 보여주었습니다. 같은 해에 프로젝트는 Hasche 인식 알고리즘을 기반으로 한 대장 내시경 속도 모니터링 모델과 이미지 분류를 기반으로 한 대장 내시경 슬라이드 미러 모니터링 모델을 개발하고 무작위 통제 임상 시험을 수행했으며 이 모델은 대장 내시경 의사의 병변 감지 능력을 크게 향상시켰습니다. , 연구는 12.87의 충격 계수로 The Lancet Gastroenterology 18에 발표되었습니다.

앞서 언급한 초기 작업의 풍부한 토대와 현재 소장내시경 품질관리 분야의 큰 수요를 바탕으로 에서 개발한 인공지능 기반 소장내시경 출구속도, 장청결도, 장내시경 슬라이드 모델을 검증하고자 한다. 프로젝트 팀은 다기관 임상 연구를 통해 의사의 수술 품질의 타당성과 정확성을 품질 관리 지표로 평가합니다.