Prospektiv multicenterstudie av artificiell intelligens-assisterat kvalitetsutvärderingssystem för koloskopi

Koloskopi är en nyckelteknik för att upptäcka och diagnostisera nedre gastrointestinala sjukdomar. Endoskopi av hög kvalitet leder till bättre resultat, men kompetensnivån hos olika endoskopister är ganska olika. Andelen missade diagnoser av kolorektal ADENOMAS var 22 %, frekvensen av missade diagnoser varierade från 7,4 % till 52,5 %. En serie studier visade att 12,1 % av patienterna inte hade cancer under koloskopi utan fick diagnosen kolorektal cancer (post-koloskopi kolorektal cancer, PCCRC) inom 5 år, varav 71 %-86 % kunde hänföras till försumligheten av endoskopist 6, sju. Därför är det mycket viktigt att förbättra kvaliteten på rutinmässig endoskopisk undersökning samtidigt som den endoskopiska tekniken utökas.

Kvalitetskontrollindexet för koloskop kan återspegla operationsnivån hos endoskopiläkare, och det är ett mycket viktigt verktyg för att säkerställa kvaliteten på koloskopet. Undersökningen och återkopplingen av endoskopistens kvalitetskontrolldata kan effektivt förbättra upptäcktshastigheten för lesioner och garantera den höga nivån av endoskopisk kvalitet. Det är nyckeln till att garantera kvaliteten på enteroskopi att lägga fram kvalitetskontrollindexet som kan återspegla kvaliteten på endoskopoperationen. Barclay föreslog 2006 att det fanns en signifikant korrelation mellan utsättningstid för koloskopi och frekvensen av adenom hos patienter, och deras resultat publicerades i The New England Journal of Medicine, med en effektfaktor på 70,67. Sedan fanns det 367 artiklar om studien av hastigheten för tillbakadragande av enteroskopi. Aslinia gjorde en retrospektiv analys av korrelationen mellan incidensen av blindhet som uppnås genom enteroskopi och prognosen för patienter, och föreslog förekomsten av blindhet som uppnåtts som ett kvalitetskontrollindex för enteroskopi. Andra kvalitetskontrollindikatorer, såsom tarmrenlighet och polyperdetekteringsfrekvens, har publicerats i internationella välkända tidskrifter och inkluderats i riktlinjerna för att reglera kvaliteten på endoskopläkares dagliga arbete, vilket har stor klinisk betydelse.

Men trots de ovan nämnda kvalitetskontrollindikatorerna är de befintliga endoskopiska kvalitetskontrollindikatorerna allvarligt otillräckliga. Enligt en klinisk multicenterstudie återspeglar nuvarande kvalitetskontrollindikatorer endast cirka 40 % av skillnaden i lesionsdetekteringsnivåer mellan endoskopiska läkare. Förekomsten av detta fenomen indikerade att fler kvalitetskontrollindex behövs för att fullt ut återspegla kvaliteten på endoskopiska procedurer. Som ett kvalitetskontrollindex som återspeglar tarmens förberedelse är tarmens renhet en dödlig defekt med stark subjektivitet och dålig konsistens bland observatörer, därför behöver den befintliga koloskopin mer omfattande, objektiva kvalitetskontrollindikatorer för att återspegla nivån på endoskopiska läkare, för att säkerställa kvaliteten på koloskopin.

Under det senaste decenniet har artificiell intelligens (AI) gjort anmärkningsvärda framsteg inom det medicinska området. Andre Esteva använde ett djupt neuralt nätverk (DNN) för att klassificera hudcancer med noggrannhet på expertnivå. Inom matsmältningsendoskopi har projektgruppen i början gjort ett stort genombrott. Under 2018 minskade den artificiella intelligensen gastroskopi blinda fläcken övervakningsmodell som utvecklats av projektgruppen signifikant endoskopi blinda fläcken i randomiserade kontrollerade kliniska prövningar, resultaten publicerades i tidskriften Gut med en impact factor på 17,94. Under 2019 visade teamets artificiella intelligensmodell för att utvärdera tarmens renhet, publicerad i tidskriften gastrogastrotestinal endoscopy med en impact factor på 7,23, bättre bildnoggrannhet än endoskopisten i tävlingen för mänskliga datorer. Samma år utvecklade projektet en modell för koloskopihastighetsövervakning baserad på Hasche-perceptionsalgoritm och en modell för koloskopi-slidspegelövervakning baserad på bildklassificering, och genomförde randomiserade kontrollerade kliniska prövningar, modellen förbättrade avsevärt koloskopisternas förmåga att upptäcka lesioner , Studien publicerades i The Lancet Gastroenterology 18 med en impact factor på 12,87.

Baserat på den ovan nämnda rika grunden för tidigt arbete, såväl som den nuvarande stora efterfrågan inom området kvalitetskontroll av enteroskopi, avser vi att validera den artificiella intelligensbaserade enteroskopiutgångshastigheten, tarmens renhet och enteroskopiobjektglasmodellen utvecklad av projektgruppen genom en multicenter klinisk studie, för att utvärdera genomförbarheten och noggrannheten av läkarens operationskvalitet som ett kvalitetskontrollindex.