Een gerandomiseerde, gecontroleerde multicenterstudie van door kunstmatige intelligentie ondersteunde spijsverteringsendoscopie

Spijsverteringsendoscopiecentrum van het tweede aangesloten ziekenhuis van de medische universiteit van de universiteit van Zhejiang en ingenieurs van naki medical co., Ltd. in Hong Kong onafhankelijk een ai-ondersteund diagnostisch model van spijsverteringsendoscopie in een vroeg stadium ontwikkeld, namelijk het deep learning-model. Het deep learning-model kan in het vroege stadium van de studie laesies van colonpoliepen, apophysislaesies, colondivertikel, colitis ulcerosa, maagzweer, maagpoliepen, submucosale opheffing, refluxoesofagitis, slokdarmzweer, slokdarmpoliep, slokdarmerosie, slokdarm buitenbaarmoederlijke maagmucosa en slokdarmspataderen, slokdarmkanker, slokdarmpapilloma, enz. De gevoeligheid voor de diagnose van sommige ziekten, zoals colonpoliepen, is 99%. Enerzijds kan dit aanvullend diagnostisch model als leidraad dienen voor endoscopisch onderzoek voor beginners; aan de andere kant kan het het detectiepercentage van laesies verbeteren en het aantal gemiste diagnoses verminderen; aan de andere kant wordt de algehele operationele efficiëntie van het endoscopische centrum verbeterd, wat bevorderlijk is voor de kwaliteitscontrole van endoscopisch onderzoek. Nu is het AI-ondersteunde diagnostische model verder verbeterd en is het de bedoeling om verdere klinische verificatie uit te voeren in het spijsverteringsendoscopiecentrum van ons ziekenhuis. Het is verbonden met het endoscopische systeem van ons ziekenhuis en wordt gelijktijdig gebruikt met het bestaande beeld-tekstsysteem van endoscopie om de uitvoerbaarheid, gevoeligheid en specificiteit van het AI-geassisteerde diagnosemodel bij de diagnose van ziekten van het spijsverteringskanaal te vergelijken en zich te concentreren op de kwaliteitscontrole van endoscopisch onderzoek.