Ontwikkeling en validatie van een op kunstmatige intelligentie gebaseerd Biliary Stricture-navigatiesysteem in op MRCP gebaseerde ERCP

585/5000 Galvernauwing kan worden onderverdeeld in goedaardige galvernauwing en kwaadaardige galvernauwing, en kwaadaardige hilarische galwegobstructie is een van de meest voorkomende oorzaken. Aangezien er op dit moment geen specifieke vroege screeningsmethode is voor maligne hilarische galwegobstructie en de meeste patiënten in het vroege stadium geen duidelijke klinische symptomen hebben, bevinden de meeste patiënten zich al in een vergevorderd stadium wanneer ze voor het eerst worden gediagnosticeerd. Gevorderde maligne galwegobstructie kan geen resectie-operatie ondergaan, waarvan de eerste keuze voor de behandeling palliatieve endoscopische galdrainage is. Galdrainage kan geelzucht, pruritus en andere symptomen als gevolg van cholestase verlichten. Voordat het smalle segment echter de stent had geplaatst, kon het contrastmiddel niet door het smalle segment gaan en kon de galbuis boven het smalle segment niet worden gezien. Het was dus moeilijk voor artsen om de richting van de voerdraad en de positie van de stent. Bovendien kan willekeurige toepassing van het contrastmiddel obstructie van de uitstroom veroorzaken, wat tot infectie kan leiden. Er is echter geen relevant onderzoek om deze problemen op te lossen.

MRCP is de geprefereerde onderzoeksmethode van pancreas- en galwegaandoeningen. Daarom moet MRCP routinematig worden uitgevoerd voordat patiënten met ERCP worden behandeld. Op dit moment ligt MRCP in rugligging en ERCP in buikligging. Verschillende posities leiden tot verschillen in de morfologie van MRCP en de galwegen op ERCP. Dus preoperatieve MRCP in rugligging heeft een beperkte rol bij het adviseren van artsen over de morfologie van de galwegen. Daarom is MRCP in buikligging gunstiger voor endoscopisten om ERCP uit te voeren.

In de afgelopen jaren zijn deep learning-algoritmen continu ontwikkeld en steeds volwassener geworden. Ze zijn geleidelijk toegepast op medisch gebied. Computervisie is een wetenschap die bestudeert hoe machines kunnen "zien". Door middel van deep learning kunnen camera en computer menselijke ogen vervangen om machinevisie uit te voeren, zoals doelherkenning, volgen en meten. Interdisciplinaire samenwerking op het gebied van medische beeldvorming en computervisie is ook een van de onderzoekshotspots van de afgelopen jaren. Momenteel wordt het voornamelijk toegepast op de automatische identificatie en detectie van laesies en kwaliteitscontrole, en heeft het goede resultaten opgeleverd. Het kan artsen helpen bij het vinden van laesies, het stellen van een ziektediagnose en het standaardiseren van de operaties van artsen, om de kwaliteit van de operaties van artsen te verbeteren. Met volwassen technische ondersteuning heeft het een goed vooruitzicht en toepassingswaarde om een ​​endoscopisch besturingssysteem voor laesiedetectie en kwaliteitscontrole op basis van kunstmatige intelligentiemethoden zoals deep learning.

In deze studie stelden de onderzoekers een op kunstmatige intelligentie gebaseerd Biliary Stricture-navigatiesysteem voor in op MRCP gebaseerde ERCP, dat de richting van de voerdraad en de positie van de stentplaatsing in realtime kan instrueren.