Near Focus Sztuczna inteligencja oparta na NBI w diagnostyce choroby refluksowej przełyku

Choroba refluksowa przełyku (GERD) jest przewlekłą chorobą, której objawy pojawiają się wtórnie do cofania się treści żołądkowej (Vakil i in., 2006). Dzieli się na cztery fenotypy: nadżerkowe zapalenie przełyku (EO), nieerozyjna choroba refluksowa (NERD), nadwrażliwość refluksowa (RH), czynnościowa zgaga (FH) (Nikaki, Woodland i Sifrim, 2016). Definicja tych fenotypów ewoluowała wraz z dodaniem testów diagnostycznych i metod ich interpretacji, z których najnowszą jest Consensus Statement z Lyonu (Gyawali i in., 2018). U większości pacjentów zgłaszających się z objawami sugerującymi GERD nie stwierdza się zmian w błonie śluzowej podczas endoskopii (Nikaki, Woodland i Sifrim, 2016). Powikłania GORD, takie jak zwężenie żołądka i przełyk Barretta, można łatwo zdiagnozować za pomocą WLE. Rozpoznanie refluksowego zapalenia przełyku z WLE o standardowej definicji jest dobrze opisane w klasyfikacji Los Angeles (LA) (Armstrong i wsp., 1996) i potwierdzone (Lundell i wsp., 1999) z oceną LA C i D potwierdzającą GORD (Gyawali i in., 2018). Ponadto wykazano, że AET wzrasta wraz z klasyfikacją LA od A do D (Lundell i in., 1999). Istnieje jednak tylko niewielka zgodność między obserwatorami między stopniami LA (współczynnik Kappa 0,4), zwłaszcza A i B. Ponadto zapalenie przełyku LA stopnia A wykrywa się do 17,0% bezobjawowych pacjentów (Nozu i Komiyama, 2008; Zagari i in. al., 2008). Na tej podstawie nie można postawić diagnozy GERD i podjąć decyzji o operacji antyrefluksowej, co wymaga badania pH w celu potwierdzenia GERD.

Obrazowanie w wąskim paśmie

Obrazowanie połączenia żołądkowo-przełykowego za pomocą teleskopu Olympus H260 o wysokiej rozdzielczości z wykorzystaniem klasyfikacji LA GORD z WLE i NBI wykazało poprawę ogólnej odtwarzalności między obserwatorami, gdy jest stosowane w połączeniu w porównaniu z samym WLE; k 0,62 vs 0,45 (<0,05) (Lee i in., 2007). Cechy zidentyfikowane za pomocą cyfrowego powiększenia NBI na połączeniu płaskonabłonkowo-kolumnowym w przypadkach EO (n = 41; LA stopień A i B), NERD (n = 36) i kontrole (n = 32) obejmują mikronadżerki (100% EO; 52,8% NERD; 23,3% kontrole), zwiększone unaczynienie (95,1% EO; 91,7% NERD; 36,7% kontrole) i wzory okrągłych jamek (4,9% EO; 5,6% NERD; 70% kontrole). Zwiększone unaczynienie w połączeniu z brakiem wzoru okrągłych jamek odróżnia NERD od kontroli z czułością i specyficznością 86,1% i 83,3%. Zgodność między obserwatorami w tym jednoośrodkowym badaniu była dobra dla zwiększonego unaczynienia (k=0,95) i mikronadżerek (k=0,89) ale niski dla wzoru dołu (k = 0,59) (Fock i in., 2009).

Wewnątrzbrodawkowe pętle kapilarne (IPCL) to kapilary błony śluzowej wychodzące z żyły podśluzówkowej do brodawki, zwykle ułożone w regularny sposób przypominający „kropkę”, oddalone od siebie o około 100 mikrometrów (Inoue, 2001). Wizualizacja IPCL przełyku za pomocą NBI jest dobrze udokumentowana i stanowi podstawę klasyfikacji NBI dla raka płaskonabłonkowego (Inoue i in., 2015). Zaproponowano zmiany morfologii IPCL u pacjentów badanych pod kątem NERD, w szczególności rozszerzenie i wydłużenie IPCL u pacjentów z NERD z powiększeniem NBI (Kato i in., 2006).

NBI z powiększeniem optycznym w diagnostyce GORD oceniono w 2 badaniach (Sharma i in., 2007; Lv i in., 2013). Sharma i wsp. przeprowadzili próbę wykonalności z użyciem aparatu Olympus Q240Z z badaniem kwadrantowym odcinka dystalnego 5 cm metodą WLE, a następnie NBI w n=50 GORD (EO n=30; NERD n=20) i kontrolach (n=30). Podobnie jak w przypadku Focka i wsp., obecność mikronadżerek i hiperunaczynienia była istotnie wyższa wśród pacjentów z GORD. Liczba IPCL i morfologia krętości, poszerzenia były widoczne znacznie częściej w GORD niż w grupie kontrolnej. Odkrycia te były spójne w niezależnym porównaniu EO i NERD z kontrolami. Progi analizy ROC dla najlepszej czułości i specyficzności (odpowiednio) dla NERD wynosiły maksymalne ipcl/pole 131 (90%, 70%), min 99 (85%, 70%) i średnio 117 (90%, 70%) (Sharma i wsp. ., 2007).

Lv i wsp. użyli Olympus GIF-H260Z do oceny NERD (n=40), EO (n=40), Barretta (n=40) i zdrowych osób kontrolnych (n=40). Liczba IPCL, morfologia (przedłużona/rozszerzona/skrętna), mikronadżerki, wzór okrągłego zagłębienia powyżej lub poniżej SCJ rejestrowano jako cechy refluksu. Stwierdzono znaczące różnice w zwiększonej liczbie IPCL, mikronadżerkach, nieokrągłych rysach poniżej SCJ u pacjentów z GERD (NERD/EO i BE) w porównaniu z grupą kontrolną oraz mniejszą liczbą mikronadżerek u pacjentów z NERD w porównaniu z RE (Lv i in., 2013).

Definicja NERD we wszystkich dotychczasowych badaniach jest jednak zmienna iw dużej mierze opiera się na ocenie objawów, odpowiedzi na PPI i braku zmian błony śluzowej w badaniu endoskopowym bez standaryzacji z wykorzystaniem badań pH.

Sztuczna inteligencja

Do tej pory przeprowadzono jedno badanie oceniające wykorzystanie ANN w przewidywaniu GORD na podstawie 45 zmiennych, w tym danych demograficznych, historii medycznej, stanu zdrowia, wyników objawów. U wszystkich pacjentów wykonano badania OGD, 24-pH u osób bez zmian na błonie śluzowej w badaniu endoskopowym: 103 pacjentów z GORD (62 z refluksowym zapaleniem przełyku i 41 z AET>5%) i n=56 pacjentów z FH GORD. ANN wykazała dokładność 100% w porównaniu z 78% przy użyciu konwencjonalnej statystycznej analizy regresji (Pace i in., 2005). Chociaż są to optymistyczne ustalenia, nie określono proporcji wykorzystanych danych szkoleniowych i testowych, a dalsza ocena z większymi zbiorami danych jest wyraźnie uzasadniona. Do tej pory nie ma modeli AI opartych na obrazach do diagnozowania GORD. Uczenie maszynowe z obrazami endoskopowymi jest ścieżką o dużym zainteresowaniu, jak opisano w sekcji 1.7.7, z IPCL jako potencjalnym celem, w oparciu o wcześniejsze badania NBI do diagnozy GORD. CNN obejmujące wykrywanie i morfologię IPCL zostały niedawno zgłoszone w kontekście badania pilotażowego dotyczącego wspomaganej komputerowo diagnostyki wczesnego raka płaskonabłonkowego przełyku przy użyciu technologii segmentacji z ekspertami endoskopowymi dopasowującymi dokładność (Zhao i in., 2018). Wykazano, że technika segmentacji obrazu Adaptive Local Thresholding jest użyteczna w wykrywaniu naczyń na zdjęciach siatkówkowych, co czyni ją atrakcyjną techniką dla IPCL (Jiang i Mojon, 2003).