Onderzoek naar endoscopische precisiebiopsie. (REPB)

Colorectaal adenoom is een veel voorkomende ziekte en een veel voorkomende ziekte in de gastro-enterologie. Met de voortdurende vooruitgang van colonoscopie-apparatuur en de geleidelijke verbetering van endoscopische accessoires, met name de ontwikkeling van chromo-endoscopie en vergrotende endoscopie. De observatie van de oppervlaktestructuur en capillaire morfologie van colorectale adenomen kan optische biopsie realiseren. Momenteel is de meeste klinische endoscopische diagnose van colorectale ziekten biopsie onder colonoscopie, en verdere behandelingsopties worden bepaald op basis van de pathologische resultaten van de biopsie. Het probleem is dat de pathologische diagnose van sommige preoperatieve biopsie niet volledig consistent is met de pathologische diagnose van postoperatieve grote monsters. Eerdere studies hebben aangetoond dat de nauwkeurigheid van de pathologische diagnose van preoperatieve biopsie slechts 66-75% is, dus er is een zekere mate van subjectiviteit om uitsluitend te vertrouwen op colonoscopie witlichtbiopsie. Op basis van het eerdere werk heeft het onderzoeksteam in eerste instantie een intelligent herkenningsmodel opgesteld voor de classificatie van colorectale adenoom (laaggradige intra-epitheliale neoplasie, hoogwaardige intra-epitheliale neoplasie) en een colorectaal adenoom van een bepaalde grootte gevormd met geannoteerde endoscopische beeldgegevensset. Met behulp van het YOLO-V4-algoritme, onder het Darknet-framework, om een ​​systeem voor kunstmatige intelligentie (AI) te trainen dat specifiek voor adenoomherkenning en -diagnose is, heeft het nauwkeurigheidspercentage meer dan 90% bereikt. Deze studie is bedoeld om de steekproefomvang te vergroten op basis van het eerdere werk en de nauwkeurigheid van de classificatie en diagnose van het AI-systeem verder te verbeteren, om de endoscopist te begeleiden bij het uitvoeren van gerichte biopsie en het verbeteren van de nauwkeurigheid van preoperatieve biopsie.