Multimodal endoskopisk bildfusion för att bedöma infiltration i ytligt esofageal skivepitelcancer

Målet med detta projekt är att skapa ett nytt protokoll för kompletterande screening av matstrupscancer i tidigt stadium och dess precancerösa lesioner. De förväntade resultaten inkluderar att förenkla utbildningsprocessen för användarna, förkorta undersökningstiden och uppnå en mer exakt bedömning av omfattningen av matstrupscancerinvasion än vad som för närvarande är möjligt med ultraljudsteknik. Denna forskning strävar efter att utnyttja synergin mellan endoskopiskt ultraljud (EUS) och förstorande endoskopi, förstärkt av mönsterigenkänning och korrelationsförmåga hos artificiell intelligens (AI), för att upptäcka tidig esofagus skivepitelcancer och dess invasivitet, tillsammans med höggradig neoplasi. . Det övergripande målet är att fastställa potentialen och betydelsen av detta tillvägagångssätt vid tidig upptäckt av esofaguscancer.

Projektets primära mål är att utveckla tre distinkta AI-assisterade diagnossystem:

Ett AI-drivet elektroniskt endoskopiskt diagnossystem designat för att autonomt identifiera lesioner.

Ett AI-baserat EUS diagnostiksystem som kan automatiskt avgränsa de drabbade områdena.

Ett multimodalt diagnostiskt ramverk som integrerar elektronisk endoskopi med EUS för att förbättra diagnostisk noggrannhet och effektivitet.