Dokładność systemu wspomaganego komputerowo (CADx) w charakteryzowaniu w czasie rzeczywistym chorób wrzodziejących jelita grubego

W pierwszej retrospektywnej fazie badań naszym głównym celem jest opracowanie i walidacja systemu CADx. Zdjęcia i filmy endoskopowe zostaną pobrane z istniejącej bazy danych w ośrodkach badawczych (szpital Nanfang). Dla każdego owrzodzenia jelita grubego zostaną wykonane różne widoki endoskopowe. Do analizy zostaną zebrane odpowiednie wyjściowe dane demograficzne, raporty laboratoryjne, raporty obrazowe, raporty endoskopowe i wyniki histopatologiczne. Rejestrowana będzie lokalizacja, wielkość i morfologia każdej zmiany okrężnicy. Rozpoznanie wszystkich chorób wrzodowych jelita grubego zostało kompleksowo ocenione przez niezależnych patologów i gastroenterologów. W naszym badaniu skupimy się na następujących podtypach zmian wrzodziejących jelita grubego:

1) rak jelita grubego (CA); 2) choroba Leśniowskiego-Crohna (CD); 3) wrzodziejące zapalenie jelita grubego (UC); 4) gruźlica jelit (ITB); 5) niedokrwienne zapalenie jelita grubego (IC).

Wszystkie dane zostaną pozbawione danych identyfikacyjnych przed centralnym przetwarzaniem, aby zapewnić poufność. Do przedstawienia każdego indywidualnego przedmiotu zostanie użyty numer seryjny specyficzny dla projektu. Wszystkie dane kliniczne i niezidentyfikowane obrazy endoskopowe będą traktowane jako poufne i nie będą udostępniane osobom trzecim.

Z większości uwzględnionych przypadków zostanie utworzona kohorta szkoleniowa, a następnie kohorta walidacyjna z pozostałymi przypadkami. Obrazy i filmy endoskopowe zostaną przygotowane w celu szkolenia zawiłej sieci neuronowej i rekurencyjnej sieci neuronowej poprzez wybranie odpowiednich obszarów zainteresowania (ROI). Zostaną zebrane wielokrotne ROI w obrębie tej samej choroby wrzodowej jelita grubego, aby zmniejszyć błąd selekcji. Adnotacja i walidacja obrazów endoskopowych zostaną przeprowadzone przez zespół badawczy. Obrazy zostaną dalej podzielone na kafelki tego samego rozmiaru w celu dalszego przetwarzania. Algorytmy głębokiego uczenia się zostaną zastosowane do uczenia się i wydobywania funkcji z danych obrazu i wideo. Opracujemy rekurencyjną sieć splotową, aby wykorzystać uzupełniające informacje o cechach wizualnych i czasowych wyodrębnionych z wideo. Dane walidacyjne są również tworzone na tej samej zasadzie, co umożliwia krzyżową weryfikację dokładności modelu.

W drugiej prospektywnej fazie badania naszym celem jest porównanie dokładności diagnostycznej systemu CADx, doświadczonych endoskopistów i młodszych endoskopistów. Zestaw zdjęć i filmów testowych zostanie pobrany prospektywnie od innych osób, zgodnie z poprzednimi kryteriami kwalifikacyjnymi, a następnie losowo przydzielona zostanie sekwencja wygenerowana komputerowo.

Dwóch doświadczonych endoskopistów (z ponad 5-letnim doświadczeniem w kolonoskopii i łączną liczbą wykonanych zabiegów ponad 1000) oraz dwóch młodszych endoskopistów (z mniej niż 3-letnim doświadczeniem w kolonoskopii i łączną liczbą wykonanych zabiegów poniżej 500), którzy są nie znając ostatecznego wyniku diagnostyki, zostaną poproszeni o sklasyfikowanie obrazów i filmów z zestawu testowego według wcześniej zdefiniowanych podtypów. Wszyscy endoskopiści będą niezależnie oceniać dane zestawu testowego w czasie rzeczywistym. Z drugiej strony system CADx będzie niezależnie skanował obrazy i filmy zestawu testowego. Rejestrowane będzie przewidywanie podtypów wrzodów. Za podstawową prawdę uznawany będzie formalny raport diagnostyczny, po ocenie przez niezależnych patologów i gastroenterologów.