In einer im Februar veröffentlichten Studie in Gastroenterologie , Forscher der Tokyo Medical and Dental University (TMDU) haben ein neu entwickeltes System mit künstlicher Intelligenz (KI) vorgestellt, das endoskopische Befunde von UC mit einer Genauigkeit bewerten kann, die der von erfahrenen Endoskopikern entspricht.
Genaue Auswertungen sind entscheidend für die optimale Versorgung von Patienten mit UC. Frühere Studien haben gezeigt, dass sowohl die endoskopische Remission, bewertet durch Beurteilung des endoskopischen Verfahrens, und histologische Remission, wie durch den Grad der mikroskopischen Entzündung angezeigt, kann Patientenergebnisse vorhersagen, und werden daher häufig als Behandlungsziele verwendet. Jedoch, Intra- und Inter-Observer-Variationen treten sowohl bei endoskopischen als auch histologischen Analysen auf, und histologische Analysen erfordern häufig die Entnahme von Gewebe durch Biopsien, die invasiv und teuer sind.
Die Interpretation endoskopischer Bilder ist subjektiv und basiert auf der Erfahrung einzelner Endoskopiker, wodurch die Standardisierung der Auswertung und Echtzeit-Charakterisierung zu einer Herausforderung wird. Um das zu erwähnen, Wir wollten ein Deep Neural Network (DNN)-System für konsistente, Zielsetzung, und Echtzeitanalyse endoskopischer Bilder von Patienten mit UC (DNUC)."
Kento Takenaka, Hauptautor der Studie
Um dies zu tun, Die Forscher entwickelten ein System mit DNNs, um endoskopische Bilder von Patienten mit UC auszuwerten. DNNs sind eine Art maschinelles KI-Lernverfahren, das auf dem Aufbau künstlicher neuronaler Netze basiert.
"Wir haben den DNUC-Algorithmus konstruiert, mit 40, 758 Bilder von Koloskopien und 6885 Biopsieergebnissen von 2012 Patienten mit CU, " sagt Senior-Autor Mamoru Watanabe. "Dies umfasste das Trainingsset für maschinelles Lernen, wodurch der Algorithmus lernte, die Daten genau auszuwerten und zu klassifizieren".
Die Forscher validierten dann die Genauigkeit des DNUC-Algorithmus anhand von 4187 endoskopischen Bildern und 4104 Biopsien von 875 Patienten mit UC.
„Wir haben festgestellt, dass die DNUC eine Genauigkeit erreicht, die der von erfahrenen Endoskopikern entspricht. " sagt Takenaka. "Also, unser System war in der Lage, die histologische Remission von CU nur anhand endoskopischer Bilder vorherzusagen, im Gegensatz zu histologischen und endoskopischen Daten. Angesichts der Kosten und Risiken, die mit Biopsien verbunden sind, stellt dies eine wichtige Entwicklung dar."
Die DNUC ist möglicherweise in der Lage, UC-Patienten zu identifizieren, die sich in Remission befinden, ohne dass sie sich einer Biopsieentnahme und -analyse unterziehen müssen. Dies könnte medizinischen Einrichtungen Zeit und Geld sparen, und die Exposition gegenüber invasiven medizinischen Verfahren für Personen mit UC zu begrenzen.
Wissenschaftliches Symposium bei LABVOLUTION fokussiert auf zentrale Fragen der Life Sciences
Risiko für Zahnfleischerkrankungen und Speiseröhren- und Magenkrebs
Mikroben, die mit Herzinfarkten in Verbindung gebracht werden, finden Studie
Neue Strategie kann die Darm-Hirn-Kommunikation stärken
Colitis ulcerosa
Das Darmmikrobiom ist auch im fetalen Leben Realität
Studie gibt Aufschluss über die Ursachen von schwächenden Darmschmerzen
schwächende Darmschmerzen sind häufig, aber die zugrunde liegende Ursache ist noch unklar. In der Regel, es stammt von einer Darminfektion, die Immunreaktionen auslöst. Diese können dazu führen, dass
Die Art der Bakterien der oberen Atemwege könnte den Schweregrad des Asthmas beeinflussen
Eine neue Studie wirft die Möglichkeit auf, Asthmasymptome über die Bakterien zu modulieren, die häufig in den oberen Atemwegen leben. Die Arbeit, die am 16. Dezember veröffentlicht wurde, 2019, im Ta
Das Bakterienprofil des Darms kann Darmschäden nach einer Strahlentherapie vorhersagen
Wie ein physischer Fingerabdruck, das mikrobielle Muster im Darm kann verwendet werden, um bestimmte Schwachstellen bei Patienten zu identifizieren, die sich einer Strahlentherapie wegen Prostata- ode