En multisenterstudie om effektiviteten og sikkerheten til AI-assistert navigasjonssystem for biliopankreatisk EUS

Bukspyttkjertelkreft er en ondartet svulst i fordøyelsessystemet med snikende start, rask progresjon og svært dårlig prognose. I følge de siste kreftdataene i Kina i 2020 utgitt av International Agency for Research on Cancer (IARC) i Verdens helseorganisasjon, er det rundt 120 000 nye tilfeller av kreft i bukspyttkjertelen i Kina, med en dødelighet på nær 100 %, som setter den nasjonale helsen i alvorlig fare. Tidlig diagnose av kreft i bukspyttkjertelen kan oppnås ved kirurgisk reseksjon med en 5-års overlevelsesrate på 58 %. Når avansert kreft i bukspyttkjertelen utvikler seg, er pasientoverlevelsen 7,2 %. Som en raskt utviklende dødelig kreft, kan ubesvarte diagnose av kreft i bukspyttkjertelen ha ekstremt alvorlige konsekvenser for pasienter. Hvordan forbedre den diagnostiske frekvensen av tidlig kreft i bukspyttkjertelen er et presserende problem som må løses.

EUS (endoskopisk ultrasonografi) regnes som en av de mest sensitive metodene for påvisning av kreft i bukspyttkjertelen. Den har en mye høyere diagnostisk nøyaktighet enn MR og CT for diagnostisering av kreft i bukspyttkjertelen, spesielt tidlig kreft i bukspyttkjertelen < 1 cm i diameter (EUS-FNA 95,6 % vs CT 77,4 %, MR 76,2 %). EUS er den foretrukne metoden for tidlig diagnose av bukspyttkjertelsvulster. For å unngå en ubesvart diagnose av kreft i bukspyttkjertelen, må kontinuiteten og integriteten til EUS sikres så mye som mulig. Men EUS er svært operatøravhengig og læringskurven er bratt, og kvaliteten på undersøkelsen er svært avhengig av operatørens teknikk. Derfor er det nødvendig å utvikle et system som effektivt kan hjelpe full skanning av EUS.

Stasjonstilnærmingen i pankreas EUS er etablert som standard skanningsprosedyre. Prinsippet for å fullføre stasjonstilnærmingen er å finne de anatomiske landemerkene til denne stasjonen, slik som organer (nyre, milt), blodårer (som miltarterie, miltvene, portvene), kanaler (bukspyttkjertelkanal, gallegang), etc. Skanningen av disse anatomiske landemerkene er grunnlaget for en nøyaktig vurdering av hele bukspyttkjertelen。 Samtidig har typen bukspyttkjertelskader og utviklingen av forløpet unormale avbildningsfunn med ulik anatomisk struktur. For eksempel vil ultralydbilder av kreft i bukspyttkjertelen vise vaskulær invasjon, deformasjon av biliopankreaskanalen og metastasering av tilstøtende organer. Retningslinjene krever klart at valget av kirurgisk tilnærming for kreft i bukspyttkjertelen må være basert på graden av invasjon av kreften til tilstøtende viktige anatomiske strukturer, for å maksimere volumsparingen av funksjonelt bukspyttkjertelparenkym. Fullstendig anatomisk skanning kan hjelpe til med diagnostisering av lesjoner i bukspyttkjertelen og veilede pasientbehandling og prognose.

De siste årene har kunstig intelligens (AI) blitt brukt med suksess i flere medisinske felt. For tiden har det vært studier av AI-basert endoskopisk ultralyd for identifisering av bukspyttkjertelskader, men det er ingen studier av AI-basert navigasjonssystem for bukspyttkjertelendoskopisk ultralyd. Tidligere har vi med suksess utviklet et standard stasjonsskanningsnavigasjonssystem for bukspyttkjertelen og gallegangene. Dette systemet kan forbedre gjenkjenningsnøyaktigheten til endoskopister for standardstasjoner og forbedre den kognitive evnen til endoskopiske ultralydbilder.

Basert på det forrige konstruerte vi et dypt læringsbasert navigasjonssystem for bukspyttkjertelskanning i EUS, som kan hjelpe til med å identifisere viktige anatomiske strukturer ved siden av bukspyttkjertelen i sanntid. og verifisere dens hjelpeytelse for endoskopister i klinisk praksis. For å forbedre kvaliteten på EUS og redusere den manglende diagnosen av bukspyttkjertelskader.