通过大规模人工智能 (AI) 系统检测结肠息肉

结肠镜检查是检测和去除癌前病变的金标准，并已被充分证明可以降低死亡率。 然而，结肠镜检查中息肉的漏检率为 22-28%，而漏检的病灶中有 20-24% 是经组织学证实的癌前腺瘤。 针对这一缺点，研究人员提出了一种新的基于深度学习的息肉检测系统，该系统可以在结肠镜检查期间实时提醒操作者息肉的存在和位置。 研究人员将该系统命名为 DEEP：（DEEP）检测难以捉摸的息肉。 DEEP 系统接受了来自两个来源的 3,611 小时结肠镜检查视频的训练，并在一​​组包含 1,393 小时视频的集合上进行了验证，该视频来自第三个不相关的来源。 对于验证集，ground truth 标签由离线胃肠病学注释者提供，他们能够根据需要以慢动作和暂停/倒带的方式观看视频；两个或三个专家注释员检查每个视频。

这是一项前瞻性、非盲法、非随机试验研究，对象是使用 DEEP 进行选择性筛查和监测结肠镜检查的患者。

该研究的目的是：

评估：

1. DEEP 系统在实时结肠镜检查中检测到的额外息肉数。
2. 通过对研究期间归因于或不归因于使用 DEEP 系统的不良事件发生率的前瞻性评估来确定安全性。
3. 通过测量每次结肠镜检查的误报率（误报）来确定 DEEP 系统的稳定性 4 并通过评估结肠镜医师在 5 分制中使用 DEEP 系统时的用户体验来检查其在临床实践中的可行性和实用性。