Forskning på endoskopisk presisjonsbiopsi. (REPB)

Kolorektal adenom er en vanlig sykdom og hyppig forekommende sykdom innen gastroenterologi. Med kontinuerlig fremgang av koloskopiutstyr og gradvis forbedring av endoskopisk tilbehør, spesielt utviklingen av kromo-endoskopi og forstørrende endoskopi. Observasjonen av overflatestrukturen og kapillærmorfologien til kolorektale adenomer kan realisere optisk biopsi. For tiden er de fleste kliniske endoskopiske diagnoser av kolorektale sykdommer biopsi under koloskopi, og ytterligere behandlingsalternativer bestemmes basert på de patologiske resultatene av biopsien. Problemet er at den patologiske diagnosen av en preoperativ biopsi ikke er helt i samsvar med den patologiske diagnosen for postoperative store prøver. Tidligere studier har funnet at den patologiske diagnostiseringsnøyaktigheten for preoperativ biopsi bare er 66-75 %, så det er en viss grad av subjektivitet i å stole utelukkende på koloskopi med hvitt lys. Basert på det tidligere arbeidet har forskerteamet i utgangspunktet etablert en intelligent gjenkjennelsesmodell for klassifisering av kolorektal adenom (lavgradig intraepitelial neoplasi, høygradig intraepitelial neoplasi), og dannet et kolorektalt adenom av en viss størrelse med annotert endoskopisk bildedatasett. Ved å bruke YOLO-V4-algoritmen, under Darknet-rammeverket, for å trene et kunstig intelligens (AI) system som spesifikt for adenomgjenkjenning og diagnose, har nådd mer enn 90 %. Denne studien har til hensikt å øke prøvestørrelsen basert på det tidligere arbeidet, og ytterligere forbedre nøyaktigheten av klassifiseringen og diagnosen av AI-systemet, for å veilede endoskopisten til å utføre målrettet biopsi og forbedre nøyaktigheten av preoperativ biopsi.