Estudo sobre sistema de diagnóstico multimodal assistido por IA de pancreatite autoimune

O sistema de diagnóstico abrangente existente para pancreatite autoimune (PAI) é complexo, com informações clínicas multidimensionais, incluindo alterações morfológicas e falta de biomarcadores específicos. A ultrassonografia endoscópica (EUS) pode fornecer todos os elementos para o diagnóstico morfológico da PAI, mas a longa curva de aprendizado e as grandes diferenças entre observadores dificultam sua popularização e promoção. As unidades de cooperação das três regiões neste projeto descobriram na fase inicial que a ativação de células T auxiliares foliculares (Tfh) induzida por Klebsiella pneumoniae (KP) é um mecanismo importante de AIP, mas a identificação de componentes patogênicos da cepa e validação clínica precisam ser explorados. Estabelecemos uma fila AIP multicêntrica nacional na fase inicial e extraímos recursos audiovisuais do EUS para estabelecer um modelo de pontuação, mas ainda é necessária assistência inteligente para melhorar a eficiência. Portanto, planejamos integrar a microbiota intestinal, marcadores de ativação Tfh e recursos de imagem EUS para estabelecer um sistema de diagnóstico multimodal assistido por IA para AIP. Este estudo colaborará com vários centros para identificar e validar os componentes que induzem a ativação de Tfh em células bacterianas KP, para extrair recursos de ultrassom pancreático EUS e otimizar algoritmos de diagnóstico assistidos por inteligência artificial, e para estabelecer e validar um sistema de diagnóstico multimodal assistido por inteligência artificial baseado em informações clínicas, biomarcadores e EUS. O objetivo deste estudo é fornecer novos métodos de diagnóstico e avaliação de tratamento para PAI com alta precisão, conveniência e fácil promoção para a prática clínica.