Stomach Health > elodec Zdravje >  > Q and A > želodec vprašanje

Nov sistem AI lahko natančno oceni endoskopske ugotovitve ulceroznega kolitisa

Ocene bolnikov z ulceroznim kolitisom (UC), ki je vrsta vnetne črevesne bolezni, se običajno izvajajo z endoskopijo in histologijo. Ampak zdaj, Japonski raziskovalci so razvili sistem, ki je lahko natančnejši od obstoječih metod in lahko zmanjša potrebo po teh invazivnih medicinskih posegih.

V študiji, objavljeni februarja leta Gastroenterologija , Raziskovalci s Tokijske medicinske in zobozdravstvene univerze (TMDU) so razkrili na novo razvit sistem umetne inteligence (AI), ki lahko oceni endoskopske ugotovitve UC z natančnostjo, ki je enaka natančnosti strokovnih endoskopistov.

Natančne ocene so ključnega pomena pri zagotavljanju optimalne oskrbe bolnikom z UC. Prejšnje študije so pokazale, da sta obe endoskopski remisiji, ovrednoteno z oceno endoskopskega posega, in histološka remisija, glede na stopnjo mikroskopskega vnetja, lahko napove bolnikove izide, zato se pogosto uporabljajo kot cilji zdravljenja. Vendar pa pri endoskopskih in histoloških analizah pride do variacij znotraj in med opazovalci, histološka analiza pa pogosto zahteva zbiranje tkiva z biopsijo, ki so invazivni in dragi.

Interpretacija endoskopskih slik je subjektivna in temelji na izkušnjah posameznih endoskopistov, s čimer je standardizacija vrednotenja in karakterizacija v realnem času zahtevna. Da bi to rešili, poskušali smo razviti sistem globokega nevronskega omrežja (DNN) za dosledno, objektivno, in analizo endoskopskih slik v realnem času pri bolnikih z UC (DNUC). "

Kento Takenaka, vodilni avtor študije

Storiti to, raziskovalci so razvili sistem z DNN za oceno endoskopskih slik bolnikov z UC. DNN so vrsta metode strojnega učenja AI, ki temelji na izgradnji umetnih nevronskih omrežij.

"Zgradili smo algoritem DNUC, z uporabo 40, 758 slik kolonoskopij in 6885 rezultatov biopsije pri bolnikih z UC 2012, "pravi višji avtor Mamoru Watanabe." To je obsegalo komplet usposabljanja za strojno učenje, kar je omogočilo algoritmu, da se nauči natančno ovrednotiti in razvrstiti podatke ".

Raziskovalci so nato potrdili natančnost algoritma DNUC z uporabo 4187 endoskopskih slik in 4104 vzorcev biopsije pri 875 bolnikih z UC.

"Ugotovili smo, da je DNUC dosegel raven natančnosti, ki je enakovredna natančnosti strokovnih endoskopistov, "pravi Takenaka." Tako naš sistem je lahko predvideval histološko remisijo UC samo z endoskopskimi slikami, v nasprotju s histološkimi in endoskopskimi podatki. To predstavlja pomemben razvoj glede na stroške in tveganja, povezana z biopsijo. "

DNUC lahko identificira bolnike z UC, ki so v remisiji, ne da bi morali odvzeti biopsijo in opraviti analizo. To bi lahko prihranilo čas in denar za zdravstvene ustanove, in omejiti izpostavljenost invazivnim medicinskim postopkom za posameznike z UC.

Other Languages