Stomach Health > želudac Zdravlje >  > Q and A > želudac pitanje

Novi AI sustav može precizno procijeniti endoskopske nalaze ulceroznog kolitisa

Procjene pacijenata s ulceroznim kolitisom (UC), koja je vrsta upalne bolesti crijeva, obično se provode endoskopijom i histologijom. Ali sad, istraživači iz Japana razvili su sustav koji može biti točniji od postojećih metoda i može smanjiti potrebu da se ti pacijenti podvrgnu invazivnim medicinskim zahvatima.

U studiji objavljenoj ovog veljače godine Gastroenterologija , znanstvenici s Tokijskog medicinskog i stomatološkog sveučilišta (TMDU) otkrili su novorazvijeni sustav umjetne inteligencije (AI) koji može procijeniti endoskopske nalaze UC -a s točnošću ekvivalentnom onoj kod stručnjaka endoskopa.

Točne procjene kritične su za pružanje optimalne njege pacijentima s UK. Prethodne studije pokazale su da su obje endoskopske remisije, ocijenjeno procjenom endoskopskog zahvata, i histološka remisija, na što ukazuje stupanj mikroskopske upale, može predvidjeti ishode pacijenata, te se stoga često koriste kao ciljevi liječenja. Međutim, varijacije unutar i među promatračima javljaju se i u endoskopskim i u histološkim analizama, a histološka analiza često zahtijeva prikupljanje tkiva putem biopsije, koji su invazivni i skupi.

Tumačenje endoskopskih snimaka subjektivno je i temelji se na iskustvu pojedinih endoskopista, čime je standardizacija vrednovanja i karakterizacija u stvarnom vremenu postala izazovna. Da biste to riješili, nastojali smo razviti sustav duboke neuronske mreže (DNN) za dosljedan, cilj, i analizu endoskopskih snimaka u stvarnom vremenu pacijenata s UC (DNUC). "

Kento Takenaka, vodeći autor studije

Uraditi ovo, istraživači su razvili sustav s DNN -ima za procjenu endoskopskih snimaka pacijenata s UC. DNN su vrsta AI metode strojnog učenja koja se temelji na izgradnji umjetnih neuronskih mreža.

"Izradili smo DNUC algoritam, koristeći 40, 758 slika kolonoskopije i 6885 rezultata biopsije od 2012 pacijenata s UC, "kaže viši autor Mamoru Watanabe." To je obuhvaćalo set obuke za strojno učenje, što je omogućilo algoritmu da nauči točno procjenjivati ​​i klasificirati podatke ".

Istraživači su zatim potvrdili točnost DNUC algoritma koristeći 4187 endoskopskih snimaka i 4104 uzoraka biopsije od 875 pacijenata s UK.

"Utvrdili smo da je DNUC postigao razinu točnosti koja je ekvivalentna onoj kod stručnjaka endoskopa, "kaže Takenaka." Dakle, naš je sustav mogao predvidjeti histološku remisiju UC -a samo pomoću endoskopskih snimaka, za razliku od histoloških i endoskopskih podataka. Ovo predstavlja važan razvoj s obzirom na troškove i rizike povezane s biopsijom. "

DNUC može identificirati pacijente s UK koji su u remisiji, a da od njih ne moraju uzeti biopsiju i analizu. To bi moglo uštedjeti vrijeme i novac za medicinske ustanove, i ograničiti izloženost invazivnim medicinskim postupcima za osobe s UC.

Other Languages