El nuevo sistema de IA puede evaluar los hallazgos endoscópicos de la colitis ulcerosa con precisión

Evaluaciones de pacientes con colitis ulcerosa (CU), que es un tipo de enfermedad inflamatoria intestinal, generalmente se realizan mediante endoscopia e histología. Pero ahora, Los investigadores de Japón han desarrollado un sistema que puede ser más preciso que los métodos existentes y puede reducir la necesidad de que estos pacientes se sometan a procedimientos médicos invasivos.

En un estudio publicado este febrero en Gastroenterología , Investigadores de la Universidad Médica y Dental de Tokio (TMDU) han revelado un sistema de inteligencia artificial (IA) recientemente desarrollado que puede evaluar los hallazgos endoscópicos de la CU con una precisión equivalente a la de los endoscopistas expertos.

Las evaluaciones precisas son fundamentales para brindar una atención óptima a los pacientes con CU. Estudios anteriores han indicado que tanto la remisión endoscópica, evaluado mediante la evaluación del procedimiento endoscópico, y remisión histológica, según lo indicado por el grado de inflamación microscópica, puede predecir los resultados del paciente, y, por lo tanto, se utilizan con frecuencia como objetivos de tratamiento. Sin embargo, Las variaciones intra e interobservador ocurren tanto en análisis endoscópicos como histológicos, y el análisis histológico requiere con frecuencia la recolección de tejido a través de biopsias, que son invasivos y costosos.

La interpretación de las imágenes endoscópicas es subjetiva y se basa en la experiencia de los endoscopistas individuales, lo que dificulta la estandarización de la evaluación y la caracterización en tiempo real. Para abordar esto, Buscamos desarrollar un sistema de red neuronal profunda (DNN) para lograr objetivo, y análisis en tiempo real de imágenes endoscópicas de pacientes con CU (DNUC) ".

Kento Takenaka, autor principal del estudio

Para hacer esto, los investigadores desarrollaron un sistema con DNN para evaluar imágenes endoscópicas de pacientes con CU. Las DNN son un tipo de método de aprendizaje automático de IA que se basa en la construcción de redes neuronales artificiales.

"Construimos el algoritmo DNUC, usando 40, 758 imágenes de colonoscopias y 6885 resultados de biopsias de 2012 pacientes con CU, ", dice el autor principal Mamoru Watanabe." Esto comprendía el conjunto de capacitación para el aprendizaje automático, lo que permitió al algoritmo aprender a evaluar y clasificar con precisión los datos ".

Luego, los investigadores validaron la precisión del algoritmo DNUC utilizando 4187 imágenes endoscópicas y 4104 muestras de biopsia de 875 pacientes con CU.

"Descubrimos que el DNUC alcanzó un nivel de precisión equivalente al de los endoscopistas expertos, "dice Takenaka." Por lo tanto, nuestro sistema pudo predecir la remisión histológica de la CU utilizando solo imágenes endoscópicas, a diferencia de los datos histológicos y endoscópicos. Esto representa un avance importante dados los costos y riesgos asociados con las biopsias ".

La DNUC puede identificar a los pacientes con CU que están en remisión sin necesidad de que se sometan a una recolección y análisis de biopsias. Esto podría ahorrar tiempo y dinero a las instituciones médicas, y limitar la exposición a procedimientos médicos invasivos para personas con CU.

• Las bacterias intestinales pueden aumentar la eficacia de la inmunoterapia contra el cáncer,
• Manifestaciones gastrointestinales y transmisión fecal-oral del nuevo coronavirus