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,可使用实时临床视频成像检测和描述疾病状况,从而减少对昂贵的侵入性活检的需求
在看医生时,许多患者更喜欢非侵入性手术,而不是侵入性和潜在疼痛的手术。幸运的是,TMDU 的研究人员开发了一种工具,可以减少对溃疡性结肠炎侵入性诊断程序的需求。
内窥镜和组织学评估对于诊断各种疾病都很重要。在内窥镜评估中,将带有灯和摄像头的长软管直接插入患者体内以评估特定器官或组织。对于组织学评估,活组织检查,即来自患者身体的组织样本,被提取并在体外进行测试。为了防止不必要的活检和改善医学诊断,TMDU 的研究人员之前开发了一种称为 DNUC 的深度神经网络系统来评估溃疡性结肠炎,这是一种发生在大肠的慢性疾病,其特征是慢性炎症在结肠的内层。无需活组织检查,这种人工智能工具可以评估组织图像以识别和量化炎症和疾病区域。
在他们最新的研究中,该团队将 DNUC 的应用从静止图像扩展到溃疡性结肠炎患者的实时结肠镜检查视频。这项前瞻性多中心研究共纳入 770 名患者。研究人员证明,DNUC 可以实时确定是否存在炎症,DNUC 结果与专家诊断之间的一致性很高。DNUC 还能够高度准确地预测缓解病例。
“我们证实 DNUC 可以自动识别炎症区域并为这些区域提供内窥镜评分,”研究的主要作者 Kento Takenaka 说。将 DNUC 获得的分数与专家打分进行比较,显示出高度的一致性,证实了 DNUC 算法的准确性。
这种人工智能工具可以为医疗领域带来诸多好处。“使用 DNUC 可以减少活检的需要,从而为患者和医生节省时间和成本,”该研究的资深作者渡边守说。DNUC 系统还有可能比医生更快地评估图像和视频片段。此外,内窥镜检查需要培训,并且对内窥镜检查结果的解释可能是主观的,因每个内窥镜医师而异。DNUC 可以允许在评估中使用更多的量化标准,解决当前这些与医学诊断中的可变性和偏差有关的问题。
该系统可应用于商业上可用的结肠镜检查平台,从而促进其在临床实践中的采用。DNUC 还可以促进初级胃肠病学家的培训。总的来说,这项工作突出了人工智能改善当前医疗保健的潜力。