使用人工智能评估溃疡性结肠炎
东京医科齿科大学 (TMDU) 的研究人员开发了一种人工智能系统,可以有效评估溃疡性结肠炎患者的内窥镜粘膜发现,而无需进行活检。
溃疡性结肠炎(UC)患者的评估是一种炎症性肠病,通常通过内窥镜检查和组织学进行。但现在,来自日本的研究人员已经开发出一种系统,该系统可能比现有方法更准确,并可能减少这些患者接受侵入性医疗程序的需要。
在今年 2 月发表在《胃肠病学》杂志上的一项研究中,东京医科齿科大学 (TMDU) 的研究人员揭示了一种新开发的人工智能 (AI) 系统,该系统可以评估 UC 的内窥镜检查结果,准确度与内窥镜专家相当。
准确的评估对于为 UC 患者提供最佳护理至关重要。先前的研究表明,通过评估内窥镜手术评估的内窥镜缓解和组织学缓解(如微观炎症程度所示)都可以预测患者的预后,因此经常被用作治疗目标。然而,在内窥镜和组织学分析中都会发生观察者内部和观察者之间的差异,并且组织学分析经常需要通过活检收集组织,这是侵入性和昂贵的。
“内窥镜图像的解释是主观的,并且基于个体内窥镜医师的经验,因此使评估和实时表征的标准化具有挑战性,”该研究的主要作者 Kento Takenaka 说。“为了解决这个问题,我们寻求开发一种深度神经网络 (DNN) 系统,以对 UC (DNUC) 患者的内窥镜图像进行一致、客观和实时的分析。”
为此,研究人员开发了一个带有 DNN 的系统来评估 UC 患者的内窥镜图像。DNN 是一种基于人工神经网络构建的人工智能机器学习方法。
“我们构建了 DNUC 算法,使用来自 2012 名 UC 患者的40,758 张结肠镜检查图像和 6885 个活检结果,”资深作者渡边守说。“这包括机器学习的训练集,使算法能够学习准确地评估和分类数据。”
然后,研究人员使用来自 875 名 UC 患者的 4187 幅内窥镜图像和 4104 份活检标本验证了 DNUC 算法的准确性。