Anvendelse av kunstig intelligens for tidlig diagnose av gastrisk kreft under optisk forsterkning forstørrelsesendoskopi

Magekreft er den tredje vanligste årsaken til kreftrelaterte dødsfall på verdensbasis, spesielt i Asia. Tidlig påvisning og behandling vil kurere sykdommen med en 5-års overlevelsesrate på over 90 %. Imidlertid er sensitiviteten til konvensjonell endoskopi med hvitt lys-avbildning ( C-WLI) i diagnostisering av tidlig gastrisk kreft (EGCs) er bare 40%. Forstørrende bildeforbedret endoskopi (IEE)-teknikker som forstørrende smalbåndsavbildning (M-NBI) er utviklet, og 2 RCT rapporterer at hvitlys-avbildning kombineres med M-NBI kan øke følsomheten til 95 %. Strategien om å bruke hvitt-lys-avbildning for å oppdage den mistenkelige lesjonen og bruke M-IEE-teknikker for å stille en diagnose av tidlig magekreft anbefales ved screening-endoskopi.

Optisk forbedring (OE) som er en av M-IEE-teknikkene ble utviklet av HOYA Co. (Tokyo, Japan). Denne teknologien kombinerer digital signalbehandling og optiske filtre for å tydeliggjøre visning av slimhinnemikrooverflate (MS) og mikrokar (MV). Fordelen med OE er å overvinne mørket til NBI som fører til mindre nytte for deteksjonsevne i det fulle utvidede gastrointestinale lumen. Likevel er det vanskelig å skille tidlig gastrisk kreft fra ikke-kreftøse lesjoner for nybegynnere, og ekspertise med suboptimal intervensjon -observatøravtale er avgjørende for bruk av M-IEE.

I dag har kunstig intelligens (AI) ved hjelp av dyp maskinlæring gjort et stort gjennombrudd innen gastroenterologi, som bruker gradient-nedstigningsmetode og backpropagation for automatisk å trekke ut spesifikke bildefunksjoner. Den diagnostiske nøyaktigheten for å identifisere øvre gastrointestinal kreft var 0,955 i C-WLI. Polypper kan identifiseres i sanntid med 96 % nøyaktighet i screeningkoloskopi. AI viser en enestående applikasjon innen deteksjon og diagnose.

Denne studien tar sikte på å utvikle en M-OE-hjelpsmodell for diagnostisering av EGC-er ved å skille kreft eller ikke.