Studie på AI-assistert multimodalt diagnosesystem for autoimmun pankreatitt

Det eksisterende omfattende diagnostiske systemet for autoimmun pankreatitt (AIP) er komplekst, med multidimensjonal klinisk informasjon inkludert morfologiske endringer og mangel på spesifikke biomarkører. Endoskopisk ultralyd (EUS) kan gi alle elementene for morfologisk diagnose av AIP, men den lange læringskurven og store observatørforskjeller gjør det vanskelig å popularisere og fremme. Samarbeidsenhetene til de tre regionene i dette prosjektet har på et tidlig stadium funnet at Klebsiella pneumoniae (KP) indusert follikulær hjelper T-celle (Tfh) aktivering er en viktig mekanisme for AIP, men identifisering av patogene komponenter i stammen og klinisk validering må utforskes. Vi har etablert en nasjonal multisenter AIP-kø på et tidlig stadium og hentet ut EUS audiovisuelle funksjoner for å etablere en scoringsmodell, men intelligent assistanse er fortsatt nødvendig for å forbedre effektiviteten. Derfor planlegger vi å integrere tarmmikrobiota, Tfh-aktiveringsmarkører og EUS-bildefunksjoner for å etablere et AI-assistert multimodalt diagnosesystem for AIP. Denne studien vil samarbeide på tvers av flere sentre for å identifisere og validere komponentene som induserer Tfh-aktivering i KP-bakterieceller, for å trekke ut EUS pankreas ultralydfunksjoner og optimere kunstig intelligens assisterte diagnostiske algoritmer, og for å etablere og validere et kunstig intelligens assistert multimodalt diagnostisk system basert på klinisk informasjon, biomarkører og EUS. Målet med denne studien er å gi nye diagnose- og behandlingsevalueringsmetoder for AIP med høy nøyaktighet, bekvemmelighet og enkel markedsføring for klinisk praksis.