Studie på AI-assisterat multimodalt diagnossystem för autoimmun pankreatit

Det befintliga omfattande diagnostiska systemet för autoimmun pankreatit (AIP) är komplext, med multidimensionell klinisk information inklusive morfologiska förändringar och en brist på specifika biomarkörer. Endoskopiskt ultraljud (EUS) kan ge alla element för morfologisk diagnos av AIP, men den långa inlärningskurvan och stora observatörsskillnader gör det svårt att popularisera och främja. Samarbetsenheterna för de tre regionerna i detta projekt har i ett tidigt skede funnit att Klebsiella pneumoniae (KP)-inducerad follikulära T-hjälpar-T-celler (Tfh)-aktivering är en viktig mekanism för AIP, men identifiering av patogena komponenter i stammen och klinisk validering behöver utforskas. Vi har etablerat en nationell multicenter AIP-kö i ett tidigt skede och extraherat EUS audiovisuella funktioner för att etablera en poängmodell, men intelligent assistans behövs fortfarande för att förbättra effektiviteten. Därför planerar vi att integrera tarmmikrobiota, Tfh-aktiveringsmarkörer och EUS-avbildningsfunktioner för att etablera ett AI-assisterat multimodalt diagnostiksystem för AIP. Denna studie kommer att samarbeta över flera centra för att identifiera och validera komponenterna som inducerar Tfh-aktivering i KP-bakterieceller, för att extrahera EUS pankreas ultraljudsfunktioner och optimera artificiell intelligens assisterade diagnostiska algoritmer, och för att etablera och validera ett artificiell intelligens assisterat multimodalt diagnostiksystem baserat på klinisk information, biomarkörer och EUS. Syftet med denna studie är att tillhandahålla nya diagnos- och behandlingsutvärderingsmetoder för AIP med hög noggrannhet, bekvämlighet och enkel marknadsföring för klinisk praxis.