Endocytoskopowa diagnostyka nowotworów jelita grubego w czasie rzeczywistym w oparciu o sztuczną inteligencję

Rak jelita grubego (CRC) jest trzecim najczęstszym nowotworem złośliwym i drugą najczęstszą przyczyną zgonów spowodowanych nowotworami na świecie. Kolonoskopię uważa się za preferowaną metodę badań przesiewowych w kierunku raka jelita grubego, a resekcja zmian w jelicie grubym może znacząco zmniejszyć częstość występowania i śmiertelność z powodu raka jelita grubego. W celu poprawy jakościowej i ilościowej diagnostyki zmian jelita grubego stosuje się wiele technik endoskopowych, takich jak endoskopia ze wzmocnieniem obrazu (IEE), w tym obrazowanie wąskopasmowe (NBI), endoskopia powiększająca, endoskopia barwnikowa, endoskopia z użyciem lasera konfokalnego i endocytoskopia (EC). stosowane klinicznie. Jednak wraz ze wzrostem liczby resekcji endoskopowych koszty związane z diagnostyką patologiczną resekcji endoskopowej i wycinkami z resekcji rosną z roku na rok. W praktyce klinicznej niektóre nienowotworowe zmiany jelita grubego mogą nie wymagać resekcji, dlatego ważne jest, aby podczas kolonoskopii odróżnić zmiany nowotworowe od nienowotworowych. Zastosowanie EC ma na celu osiągnięcie celu histopatologicznej diagnostyki endoskopowej w czasie rzeczywistym bez biopsji. Kilka badań wykazało, że EC jest skuteczna w identyfikowaniu charakteru zmian w jelicie grubym i ocenie głębokości nacieku CRC. Na podstawie diagnozy endoskopowej endoskopista może ustalić plan leczenia zmian w jelicie grubym. Najnowszy EC to zintegrowany endoskop z systemem mikroskopii świetlnej kontaktowej o maksymalnym powiększeniu 520x. EC może wykazać atypową strukturę gruczołów i komórek po barwieniu i wyświetlić superamplifikowane mikronaczynia powierzchniowe zmiany chorobowej w trybie EC-NBI. Jednak ocena obrazów endocytoskopowych wymaga dużego doświadczenia, aby poprawić dokładność diagnostyczną. Ponadto endoskopiści mają pewne subiektywne oceny i błędy w diagnostyce endocytoskopowej. Istnieje system sztucznej inteligencji, który został opracowany w celu identyfikacji nowotworów jelita grubego. Nadal jednak brakuje prospektywnej weryfikacji klinicznej na podstawie populacji chińskiej. W badaniu badacze przeprowadzili prospektywne badanie kliniczne, aby określić dokładność diagnostyczną systemu sztucznej inteligencji.