Utveckling och validering av ett artificiell intelligens-baserat biliary strikturnavigationssystem i MRCP-baserat ERCP

585/5000 Gallstriktur kan delas in i benign gallstriktur och malign gallstriktur, och malign hilar gallobstruktion är den vanligaste orsaken. Eftersom det för närvarande inte finns någon specifik tidig screeningmetod för maligna hilar gallvägsobstruktion och de flesta patienter inte har några uppenbara kliniska symtom i ett tidigt skede, är de flesta patienter redan i det avancerade stadiet när de först diagnostiseras. Avancerad malign hilar gallobstruktion kan inte genomgå resektionskirurgi, vars första val för behandlingen är palliativ endoskopisk galldränage. Galldränage kan lindra gulsot, klåda och andra symtom på grund av kolestas. Men innan det smala segmentet placerades på stenten kunde kontrastmedlet inte passera genom det smala segmentet och gallgången ovanför det smala segmentet kunde inte ses. Så det var svårt för läkare att bestämma riktningen för guidetråden och stentens position. Dessutom kan urskillningslös applicering av kontrastmedlet orsaka utflödeshinder som leder till infektion. Det finns dock ingen relevant forskning för att lösa dessa problem.

MRCP är den föredragna undersökningsmetoden för bukspottkörtel- och gallgångssjukdomar. Därför bör MRCP utföras rutinmässigt innan patienter behandlas med ERCP. För närvarande är MRCP i ryggläge och ERCP i bukläge. Olika positioner leder till skillnader i morfologin hos MRCP och gallgången på ERCP. Så preoperativ MRCP i ryggläge har begränsad roll i att ge råd till läkare om gallgångens morfologi. Därför är MRCP i bukläge mer fördelaktigt för endoskopister att utföra ERCP.

Under de senaste åren har algoritmer för djupinlärning kontinuerligt utvecklats och blivit allt mognare. De har gradvis tillämpats på det medicinska området. Datorseende är en vetenskap som studerar hur man får maskiner att "se". Genom djupinlärning kan kamera och dator ersätta mänskliga ögon för att utföra maskinseende såsom måligenkänning, spårning och mätning. Tvärvetenskapligt samarbete inom området medicinsk bildbehandling och datorseende är också en av de senaste årens forskningshotspots. För närvarande tillämpas det främst på automatisk identifiering och upptäckt av lesioner och kvalitetskontroll, och har uppnått goda resultat. Det kan hjälpa läkare att hitta lesioner, ställa sjukdomsdiagnostik och standardisera läkarnas verksamhet, för att förbättra kvaliteten på läkarnas verksamhet. Med mogen teknisk support har den goda möjligheter och tillämpningsvärde för att utveckla endoskopiska operativsystem för lesionsdetektering och kvalitetskontroll baserad på artificiell intelligens metoder som djupinlärning.

I denna studie föreslog utredarna ett artificiellt intelligensbaserat biliary strikturnavigationssystem i MRCP-baserat ERCP, som kan instruera guidetrådens riktning och placeringen av stenten i realtid.