Sanntid AI-assistert cellulær endoskopi for diagnose av kolorektale lesjoner: et multisenter, prospektiv klinisk studie

Koloskopi er for tiden gullstandarden for screening mot tykktarmskreft (CRC). Endocytoskopi er en type ultrahøyforstørrelses endoskopi. Kombinert med kjemisk farging og smalbåndsbildeteknologi kan endoskopister observere cellekjernemorfologi, kjertelrørmorfologi og mikrovaskulær morfologi med det blotte øye, og dermed unngå patologisk undersøkelse og oppnå målet om sanntids biopsi in vivo. Imidlertid krever bedømmelsen av endocytoskopiske bilder mye erfaring for å forbedre bedømmelsesnøyaktigheten. Dessuten har endoskopister visse subjektive bedømmelser og feil i prosessen med å vurdere resultatene. Derfor foreslås kunstig intelligens (AI) for datastøttet diagnose i klinikken for å løse dette problemet. For tiden er tilgjengelige kunstig intelligens-systemer for å assistere endoskopister i diagnostisering ved bruk av endocytoskopi fortsatt relativt knappe, og de er basert på tradisjonelle maskinlæringsmetoder, som fortsatt har visse begrensninger når det gjelder nøyaktighet. Med den kontinuerlige utviklingen av dataseeingsteknologi har dyp læring blitt mye brukt i utviklingen av endoskopisk assistentdiagnosesystemer. Derfor utviklet forskerne et CADx-system trent ved bruk av dyp læring for å assistere endoskopister i å stille diagnoser ved bruk av endocytoskopi. Dette CADx-systemet kan forutsi de fangede endocytoskopibildene i sanntid og vise forutsigelsesresultatene, noe som kan hjelpe endoskopister med å gi diagnostiske referanser.

Imidlertid har denne CADx-teknologien for tiden ennå ikke gjennomgått prospektiv klinisk validering i den kliniske settingen. Forskere planlegger å gjennomføre en prospektiv klinisk studie for å validere nøyaktigheten av CADx for forutsigelse av tykktarmslæsjoners histologi i sanntids endocytoskopi. Denne studien vil prospektivt samle læsjoner som oppfyller inklusjons- og eksklusjonskriteriene. Etter at endoskopister har stilt diagnosen gjennom endoskopiske bilder og CADx og deretter gjennomgått endoskopisk reseksjon eller kirurgisk reseksjon etterfulgt av patologisk diagnose, vil de sammenligne kunstig intelligens-diagnoseresultatene med gullstandard patologiske resultater og oppsummere diagnostisk nøyaktighet av dette kunstig intelligens-assisterte diagnosesystemet for tykktarmslæsjonene.

Forskerne planlegger å gjennomføre en prospektiv, multisenter klinisk studie for å validere nøyaktigheten av CADx-støtte for forutsigelse av tykktarmslæsjoners histologi i sanntids endocytoskopi.