Oceń wpływ systemu sztucznej inteligencji na jakość kolonoskopii u początkujących endoskopistów

Kolonoskopia jest kluczową techniką wykrywania i diagnozowania zmian w dolnym odcinku przewodu pokarmowego. Zapotrzebowanie na endoskopię jest w Chinach duże, a endoskopii brakuje. Jednak kolonoskopia jest złożoną procedurą techniczną, która wymaga przeszkolenia i doświadczenia w celu uzyskania maksymalnej dokładności i bezpieczeństwa. Zdolność różnych endoskopistów jest bardzo zróżnicowana. Początkujący endoskopiści na ogół mają trudności i duże ryzyko przy przystąpieniu do kolonoskopii, co wymaga pomocy ekspertów. Do pewnego stopnia marnuje to produktywność nowicjusza. Jeśli badaczom uda się zorganizować tryb pracy ekspertów wchodzących i nowicjuszy wycofujących się z endoskopii, można znacznie poprawić efektywność kliniczną i stopień wykorzystania zasobów. Badacze muszą jednak wziąć pod uwagę słabe umiejętności badawcze początkujących endoskopistów. Podaje się, że wykrywalność gruczolaka w kolonoskopii wykonywanej przez endoskopistów o różnym stażu pracy wynosi 7,4% ~ 52,5%. Jeśli uda się poprawić umiejętności badawcze początkujących endoskopistów, można wyeliminować ten problem.

Algorytmy głębokiego uczenia się były stale rozwijane i coraz bardziej dojrzałe w ostatnich latach. Stopniowo stosowano je w medycynie. Wizja komputerowa to nauka, która bada, jak sprawić, by maszyny „widziały”. Dzięki głębokiemu uczeniu się kamera i komputer mogą zastąpić ludzkie oczy w wykonywaniu wizji maszynowej, takiej jak rozpoznawanie celów, śledzenie i pomiary. Interdyscyplinarna współpraca w dziedzinie obrazowania medycznego i wizji komputerowej jest również jednym z gorących punktów badawczych ostatnich lat. Obecnie stosuje się go głównie do automatycznej identyfikacji i wykrywania zmian chorobowych oraz kontroli jakości i osiągnął dobre wyniki.

Wstępne eksperymenty badacza wykazały, że głębokie uczenie ma wysoką dokładność w monitorowaniu jakości endoskopii, co może skutecznie regulować działania lekarzy, zmniejszać martwe punkty i poprawiać jakość badania endoskopowego. Jednocześnie może również monitorować czas wycofania się lekarza w czasie rzeczywistym i poprawiać wskaźnik wykrywania gruczolaka. W poprzednich pracach grupy badawczej badacza badacze z powodzeniem opracowali monitorowanie szybkości wycofywania kolonoskopii i ocenę czystości jelit w oparciu o głębokie uczenie się oraz zweryfikowali skuteczność wspomaganego przez sztuczną inteligencję systemu EndoAngel w poprawie jakości gastroskopii i kolonoskopii w badaniach klinicznych.

W oparciu o powyższe bogate podstawy prac wstępnych i ogromne zapotrzebowanie na poprawę umiejętności kolonoskopii nowicjuszy. Porównując wyniki nowicjuszy i nowicjuszy z pomocą EndoAngel i ekspertami w kolonoskopii, badacze chcą zbadać, czy sztuczna inteligencja może pomóc nowicjuszom osiągnąć poziom eksperta w kolonoskopii.