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。