Validering av ett AI-baserat biliopankreatiskt EUS-navigationssystem för kvalitetsförbättring i realtid: en prospektiv, singelcenter, randomiserad kontrollerad prövning

Under senare år har endoskopisk ultraljud (EUS) utvecklats till en föredragen avbildningsmodalitet för diagnos av biliopankreatiska sjukdomar, särskilt små (< 3 cm) bukspottkörteltumörer och små (< 4 mm) gallgångsstenar. Därför väljs EUS ofta som huvudverktyget för screening av tidiga biliopankreatiska sjukdomar bland högriskindivider. En mängd studier har dock visat att upptäcktsfrekvensen för biliopankreatiska sjukdomar under EUS varierar från 70 % till 93 % bland olika endoskopister på grund av undersökningskvalitet och skillnader mellan operatörer, vilket tyder på att det finns missade diagnoser av lesioner. Den missade diagnosen pankreascancer gör att patienter förlorar möjligheten till radikal kirurgi, och femårsöverlevnaden minskar till 7,2 %; och den missade diagnosen koledokolitiasis orsakar allvarliga akuta sjukdomar såsom akut kolangit och akut pankreatit; det har allvarliga konsekvenser för patienters prognos och livskvalitet. Därför är det viktigt att minska den missade diagnosen av lesioner samtidigt som man utökar tillämpningen av EUS ytterligare.

Att säkerställa undersökningskvaliteten är en avgörande förutsättning för att upptäcka biliopankreatiska lesioner vid EUS. Det finns två huvudorsaker som påverkar kvaliteten på biliopankreatisk EUS-undersökning: För det första, icke-standardiserad operation av endoskopister; utmärkta biliopankreatiska EUS-undersökningar kräver kontinuitet och integritet för skanningen. Enligt erfarenheterna från Japanese Society of Gastrointestinal Endoscopy och europeiska och amerikanska experter, har multistationsmetod vid biliopankreatisk EUS etablerats som standardskanningsprocedur. Och dessa standardstationer inkluderar anatomiska landmärken som kan användas för att lokalisera givaren och identifiera områden som inte skannas. American Society for Gastrointestinal Endoscopy (ASGE) och American Association for Gastrointestinal Endoscopy (ACG) Endoscopic Quality Working Group har också utfärdat kvalitetsindikatorer som bör fyllas i för EUS-undersökning. Men de följs ofta inte så bra på grund av bristande övervakning och tillgänglighet av praktiska verktyg, och det finns ett stort antal blinda områden i nuvarande dagliga EUS-skanningar. För det andra är det svårt att förstå amerikanska bilder med grå och vit textur. Även erfarna endoskopister har vissa utmaningar när det gäller att identifiera anatomiska strukturer i EUS-bilder. Därför är det viktigt att utveckla ett praktiskt verktyg som kan övervaka det blinda området för EUS-undersökning i realtid, minska svårigheten med ultraljudstolkning och standardisera kvaliteten på EUS-undersökning.

Deep learning har framgångsrikt tillämpats på många områden inom medicinen. Inom området för endoskopisk ultraljud är de flesta undersökningar dedikerade till användningen av datorverktyg för att hjälpa till vid diagnosen av lesioner i statiska bilder, medan sällsynt arbete studerade rollen av djupinlärning vid övervakning av det blinda området av EUS-undersökningar och utforskande av hjälp på verkliga -tid ultraljudstolkning. Tidigare har vi framgångsrikt utvecklat och validerat ett EUS-navigationssystem som kan identifiera standardstationerna för bukspottkörtel och gallgångs-EUS i realtid. Även om uppmuntrande preliminära resultat har publicerats angående användningen av artificiell intelligens för att minska svårigheten med EUS-bilder, har detta system inte validerats i en verklig klinisk miljö, och det är oklart om det framgångsrikt kan tillämpas i klinisk praxis och förbättras. kvaliteten på EUS-examen.

Därför uppdaterade vi i denna studie den EUS-intelligenta och realtidsendoskopi-analytiska enheten (som heter EUS-IREAD) baserat på de tidigare nämnda biliopankreatiska EUS-stationsigenkänningsmodellerna och vidareutbildade en anatomisk landmärkesidentifieringsfunktion för att bättre lokalisera givarens position och diagnostisera biliopankreatiska lesioner. Vi genomförde sedan en randomiserad kontrollerad studie med ett enda center för att bedöma dess tilläggsprestanda till EUS-endoskopister i en klinisk miljö.