Wieloośrodkowe badanie dotyczące skuteczności i bezpieczeństwa systemu nawigacji wspomaganego sztuczną inteligencją dla EUS żółciowo-trzustkowego

Rak trzustki jest złośliwym nowotworem przewodu pokarmowego o podstępnym początku, szybkiej progresji i bardzo złym rokowaniu. Według najnowszych danych dotyczących raka trzustki w Chinach w 2020 r., opublikowanych przez Międzynarodową Agencję Badań nad Rakiem (IARC) Światowej Organizacji Zdrowia, w Chinach odnotowano około 120 000 nowych przypadków raka trzustki, przy śmiertelności bliskiej 100%, co poważnie zagraża zdrowiu narodowemu. Wczesne rozpoznanie raka trzustki można osiągnąć poprzez resekcję chirurgiczną, przy 5-letnim wskaźniku przeżycia wynoszącym 58%. Gdy rozwinie się zaawansowany rak trzustki, przeżycie pacjenta wynosi 7,2%. Jako szybko rozwijający się, śmiertelny nowotwór, pomyłka w rozpoznaniu raka trzustki może mieć niezwykle poważne konsekwencje dla pacjentów. Jak poprawić wskaźniki diagnostyczne wczesnego raka trzustki jest pilnym problemem do rozwiązania.

EUS (ultrasonografia endoskopowa) jest uważana za jedną z najbardziej czułych metod wykrywania raka trzustki. Ma znacznie większą dokładność diagnostyczną niż MRI i CT w diagnostyce raka trzustki, zwłaszcza wczesnego raka trzustki o średnicy <1 cm (EUS-FNA 95,6% vs CT 77,4%, MRI 76,2%). EUS jest metodą z wyboru we wczesnej diagnostyce guzów trzustki. Aby uniknąć pominięcia rozpoznania raka trzustki, należy w jak największym stopniu zapewnić ciągłość i integralność EUS. Ale EUS jest wysoce zależny od operatora, a krzywa uczenia się jest stroma, a jakość badania w dużym stopniu zależy od techniki operatora. Dlatego konieczne jest opracowanie systemu, który skutecznie wspomoże pełne przeskanowanie EUS.

Dostęp stacyjny w EUS trzustki został uznany za standardową procedurę skanowania. Zasadą zakończenia podejścia stacji jest znalezienie anatomicznych punktów orientacyjnych tej stacji, takich jak narządy (nerka, śledziona), naczynia krwionośne (m.in. tętnica śledzionowa, żyła śledzionowa, żyła wrotna), przewody (przewód trzustkowy, przewód żółciowy), itp. Skanowanie tych anatomicznych punktów orientacyjnych jest podstawą do dokładnej oceny całej trzustki. Jednocześnie rodzaj zmian w trzustce i rozwój przebiegu dają nieprawidłowe wyniki badań obrazowych o różnej budowie anatomicznej. Na przykład obrazy ultrasonograficzne raka trzustki pokażą inwazję naczyniową, deformację przewodu żółciowo-trzustkowego i przerzuty do sąsiednich narządów. Wytyczne wyraźnie wymagają, aby wybór dostępu chirurgicznego w raku trzustki opierał się na stopniu naciekania nowotworu na sąsiednie ważne struktury anatomiczne, aby zmaksymalizować oszczędność objętości funkcjonalnego miąższu trzustki. Pełne skanowanie anatomiczne może pomóc w diagnostyce zmian w trzustce i ukierunkować leczenie pacjenta oraz rokowanie.

W ostatnich latach sztuczna inteligencja (AI) została z powodzeniem zastosowana w wielu dziedzinach medycyny. Obecnie istnieją badania nad ultrasonografią endoskopową opartą na sztucznej inteligencji w celu identyfikacji zmian w trzustce. Nie ma jednak badań systemu nawigacji opartego na sztucznej inteligencji do endoskopowej ultrasonografii trzustki. Wcześniej z powodzeniem opracowaliśmy standardowy system nawigacji skanującej stacje dla trzustki i dróg żółciowych. Ten system może poprawić dokładność rozpoznawania endoskopistów w przypadku standardowych stacji i poprawić zdolności poznawcze obrazów ultrasonografii endoskopowej.

W oparciu o poprzednie, skonstruowaliśmy oparty na głębokim uczeniu się system nawigacji skanującej trzustkę w EUS, który może pomóc w identyfikacji ważnych struktur anatomicznych przylegających do trzustki w czasie rzeczywistym. i zweryfikować jego działanie pomocnicze dla endoskopistów w praktyce klinicznej. W celu poprawy jakości EUS i zmniejszenia liczby pomyłek w rozpoznaniu zmian w trzustce.