Utvikling og validering av et kunstig intelligens-assistert strategiseleksjonssystem for koloskopisk rengjøring

Kolorektal sykdom som en vanlig menneskelig sykdom påvirker alvorlig helsen til menneskers liv. Med aldring av befolkningen, endring av kostholdsstruktur og forverring av miljøforurensning, har forekomsten av tykktarmssykdommer, som tykktarmskreft, tykktarmspolypp og inflammatorisk tarmsykdom, gradvis økt.

Koloskopi er den enkleste og mest tilgjengelige screeningprosedyren for forebygging og tidlig oppdagelse av kolorektal kreft (CRC). Koloskopi kan tydelig observere de små endringene i den terminale ileum og kolorektal, som erosjon, sår, blødninger, lunger, ødem, polypper, tidlig kreft, og så videre. Koloskopi kan biopsi lesjonsstedet for patologisk undersøkelse, for histologisk kvalitativ karakterisering av slimhinnelesjoner, slik som betennelse, polyppnatur, graden av differensiering av kreft, og så videre. Det er nyttig å forstå alvorlighetsgraden av lesjonen og veilede utformingen av riktig behandlingsplan eller vurdering av behandlingseffekt. Koloskopi kan også være den minimalt invasive endoskopiske behandlingen av kolorektale polypper, tidlig kreft, blødninger, fremmedlegemer og andre sykdommer.

Fordi kvaliteten på tarmforberedelsen påvirker koloskopiens evne til å oppdage adenomer og polypper, er tilstrekkelig tarmforberedelse nødvendig for å sikre optimal bruk av koloskopi i CRC-forebygging. Nesten alle kliniske retningslinjer anbefaler tilstrekkelig tarmforberedelse før koloskopi. Imidlertid har opptil en tredjedel av koloskopiene vist seg å vise utilstrekkelig tarmforberedelse, noe som anslås å øke kostnadene for koloskopier med 12 % til 22 %. Og det er 20% av pasientenes tarm er ikke tilstrekkelig forberedt. Når pasientens tarmforberedelse er utilstrekkelig, kan vanskeligheten med å spyle føre til manglende påvisning av adenomer. så legene må identifisere slike pasienter nøyaktig og fortelle dem å ha en ny koloskopi etter en fullstendig tarmrensing. Evalueringen av tarmens renslighet bestemmes imidlertid av leger subjektivt, og det er ingen objektiv og effektiv skåringsstandard som veileder pasientene til å akseptere den andre koloskopien.

Dyplæring er et viktig gjennombrudd innen kunstig intelligens det siste tiåret. Den har et stort potensial for å trekke ut bittesmå funksjoner i bildeanalyse og bildeklassifisering. I 2017 publiserte tidsskriftet Nature en artikkel som viser at bruk av kunstig intelligens for å diagnostisere hudsykdommer kan nå ekspertnivået. Deretter, innen fordøyelsesendoskopi, begynte flere og flere studier å bruke kunstig intelligens for å hjelpe leger med å finne polypper og forbedre deteksjonsfrekvensen av polypper og adenomer.Urban, G.-teamet brukte kunstig intelligens for å identifisere polypper med 95% følsomhet. Misawa, M-teamet brukte kunstig intelligens for å identifisere polypper med 90 % følsomhet. Formålet med forskningsgruppen vår er å utvikle EndoAngel med sanntidsvurdering av tarmrenslighet. Den kan utlede en beslutningskurve for tarmrenslighet basert på forholdet mellom prosentandelen av tarmsegmenter med en Boston-score på 0-1 og deteksjonshastigheten for adenomer. Det kan hjelpe endoskopister med å identifisere pasienter som trenger en ny koloskopi, for å unngå de savnede adenomene og de høye kostnadene ved rengjøringstid forårsaket av feil beslutningstaking. Samtidig er kunstig intelligens i det foreløpige forskningsstadiet innen fordøyelsesendoskopi, og forskningsresultatene våre forventes å gi nye ideer for å forbedre deteksjonshastigheten av koloskopiske adenomer.

Studieprosessen er: Forsøkspersoner som oppfylte alle inklusjonskriterier og ikke oppfylte alle eksklusjonskriterier ble inkludert i studien før koloskopi. Under koloskopien må endoskopistene forbli i det samme uten å trekke seg tilbake mens de skyller tarmen. De biopsierte pasientene følges opp i en uke. de ikke-biopsierte pasientene følges opp ved slutten av koloskopien, og resultatene sendes til et uavhengig dataanalyseteam for gjennomgang. Vi vil samle pasientenes video og ekskludere klippene av vanning, biopsi og observasjon av polypp. Deretter evaluerer EndoAngel Boston Bowel Preparation Scale av stigende kolon, transversal kolon og synkende kolon, og beregner andelen 1 Score.