Opracowanie i walidacja wspomaganego sztuczną inteligencją systemu wyboru strategii czyszczenia kolonoskopii

Choroba jelita grubego jako częsta choroba człowieka poważnie wpływa na zdrowie życia człowieka. Wraz ze starzeniem się społeczeństwa, zmianą struktury diety i pogłębiającym się zanieczyszczeniem środowiska, stopniowo wzrasta zachorowalność na choroby jelita grubego, takie jak rak jelita grubego, polip jelita grubego i nieswoiste zapalenia jelit.

Kolonoskopia jest najprostszą i najszerzej dostępną procedurą przesiewową w profilaktyce i wczesnym wykrywaniu raka jelita grubego (CRC). Kolonoskopia pozwala wyraźnie zaobserwować niewielkie zmiany w końcowym odcinku jelita krętego i jelita grubego, takie jak nadżerki, wrzody, krwawienia, przekrwienie, obrzęki, polipy, wczesny rak i tak dalej. Kolonoskopia może wykonać biopsję miejsca zmiany w celu badania patologicznego, histologicznie jakościowej charakterystyki zmian błony śluzowej, takich jak stan zapalny, charakter polipów, stopień zróżnicowania raka i tak dalej. Pomocne jest zrozumienie ciężkości zmiany i pokierowanie sformułowaniem prawidłowego planu leczenia lub ocena efektu leczenia. Kolonoskopia może być również małoinwazyjnym endoskopowym leczeniem polipów jelita grubego, wczesnego raka, krwawień, ciał obcych i innych chorób.

Ponieważ jakość przygotowania jelita wpływa na zdolność kolonoskopii do wykrycia gruczolaków i polipów, odpowiednie przygotowanie jelita jest niezbędne do optymalnego wykorzystania kolonoskopii w profilaktyce CRC. Niemal wszystkie wytyczne kliniczne zalecają odpowiednie przygotowanie jelita przed kolonoskopią. Jednak stwierdzono, że nawet jedna trzecia kolonoskopii wykazuje nieodpowiednie przygotowanie jelita, co według szacunków zwiększa koszt kolonoskopii o 12% do 22%. A u 20% pacjentów jelito nie jest odpowiednio przygotowane. Gdy przygotowanie jelita pacjenta jest niewystarczające, trudności z płukaniem mogą prowadzić do pominięcia wykrycia gruczolaków. dlatego lekarze muszą dokładnie identyfikować takich pacjentów i zalecić im wykonanie drugiej kolonoskopii po całkowitym oczyszczeniu jelit. Jednak o ocenie czystości jelit decydują lekarze subiektywnie i nie ma obiektywnego i skutecznego standardu punktacji, który kierowałby pacjentów do akceptacji drugiej kolonoskopii.

Głębokie uczenie się jest ważnym przełomem w dziedzinie sztucznej inteligencji w ostatniej dekadzie. Ma ogromny potencjał w wydobywaniu drobnych cech w analizie obrazu i klasyfikacji obrazu. W 2017 roku w czasopiśmie Nature opublikowano artykuł pokazujący, że wykorzystanie sztucznej inteligencji do diagnozowania chorób skóry może osiągnąć poziom ekspertów. Następnie w dziedzinie endoskopii przewodu pokarmowego coraz więcej badań zaczęto stosować sztuczną inteligencję, aby pomóc lekarzom w znajdowaniu polipów i poprawie wskaźnika wykrywania polipów i gruczolaków. Urban, zespół G. wykorzystał sztuczną inteligencję do identyfikacji polipów z 95% czułością. Misawa, zespół M wykorzystał sztuczną inteligencję do identyfikacji polipów z 90% czułością. Celem naszej grupy badawczej jest opracowanie EndoAngel z oceną czystości jelit w czasie rzeczywistym. Może wyprowadzić krzywą decyzyjną dotyczącą czystości jelit w oparciu o zależność między odsetkiem odcinków jelita z wynikiem bostońskim 0-1 a wskaźnikiem wykrywalności gruczolaków. Może pomóc endoskopistom zidentyfikować pacjentów, którzy potrzebują drugiej kolonoskopii, aby uniknąć pominiętych gruczolaków i wysokich kosztów czyszczenia spowodowanych błędną decyzją. Jednocześnie sztuczna inteligencja jest na wstępnym etapie badań w zakresie endoskopii przewodu pokarmowego, oczekuje się, że wyniki naszych badań dostarczą nowych pomysłów w poprawie wykrywalności gruczolaków kolonoskopowych.

Proces badania jest następujący: Pacjenci, którzy spełnili wszystkie kryteria włączenia i nie spełnili wszystkich kryteriów wykluczenia, zostali włączeni do badania przed kolonoskopią. Podczas kolonoskopii endoskopiści muszą pozostać w tej samej pozycji bez wycofywania się podczas płukania jelita. Pacjenci po biopsji są obserwowani przez tydzień. pacjenci, u których nie wykonano biopsji, są monitorowani pod koniec kolonoskopii, a wyniki są przesyłane do niezależnego zespołu analizującego dane do przeglądu. Zbierzemy wideo pacjentów i wykluczymy klipy z irygacji, biopsji i obserwacji polipa. Następnie EndoAngel ocenia Skalę Przygotowania Jelita Bostońskiego okrężnicy wstępującej, okrężnicy poprzecznej i okrężnicy zstępującej i oblicza proporcję 1 Punktu.