Neie AI System kann endoskopesch Befunde vun der ulzerativer Kolitis mat Genauegkeet evaluéieren

Bewäertunge vu Patienten mat biergerlech Kolitis (UC), déi eng Zort vun entzündlecher Darmkrankheet ass, ginn normalerweis iwwer Endoskopie an Histologie duerchgefouert. Awer elo, Fuerscher aus Japan hunn e System entwéckelt, dee vläicht méi präzis ass wéi existent Methoden a kann d'Bedierfnes fir dës Patienten invasiv medizinesch Prozedure reduzéieren.

An enger Etude, déi dëse Februar publizéiert gouf am Gastroenterologie , Fuerscher vun der Tokyo Medical and Dental University (TMDU) hunn en nei entwéckelt kënschtlech Intelligenz (AI) System opgedeckt deen endoskopesch Befunde vun UC mat enger Genauegkeet gläichwäerteg mat deem vun Expert Endoskopiste bewäerten kann.

Genau Evaluatioune si kritesch fir eng optimal Betreiung fir Patienten mat UC ze bidden. Virdrun Studien hunn uginn datt béid endoskopesch Remission, bewäert duerch Bewäertung vun der endoskopescher Prozedur, an histologesch Remission, wéi uginn vum Grad vun der mikroskopescher Entzündung, kann Patientresultater viraussoen, a ginn dofir dacks als Behandlungsziler benotzt. Wéi och ëmmer, Intra- an Inter-Beobachter Variatioune geschéien a béid endoskopeschen an histologeschen Analysen, an histologesch Analyse erfuerdert dacks d'Sammlung vum Tissu iwwer Biopsien, déi invasiv a teuer sinn.

D'Interpretatioun vun endoskopesche Biller ass subjektiv a baséiert op der Erfarung vun individuellen Endoskopisten, doduerch mécht d'Standardiséierung vun der Evaluatioun an Echtzäit Charakteriséierung Erausfuerderung. Fir dëst unzegoen, mir hu probéiert en déif neuralt Netzwierk (DNN) System z'entwéckelen fir konsequent, objektiv, an Echtzäit Analyse vun endoskopesche Biller vu Patienten mat UC (DNUC). "

Kento Takenaka, Haaptautor vun der Studie

Fir dëst ze maachen, d'Fuerscher hunn e System mat DNNs entwéckelt fir endoskopesch Biller vu Patienten mat UC ze bewäerten. DNNs sinn eng Aart vun AI Maschinnléieren Method déi baséiert op de Bau vu künstlechen neurale Netzwierker.

"Mir hunn den DNUC Algorithmus konstruéiert, benotzt 40, 758 Biller vu Koloskopien an 6885 Biopsieresultater vun 2012 Patienten mat UC, "seet den Senior Autor Mamoru Watanabe." Dëst ëmfaasst den Trainingsset fir Maschinnléieren, wat den Algorithmus erlaabt huet d'Donnéeën ze bewäerten an ze klassifizéieren ".

D'Fuerscher hunn dann d'Genauegkeet vum DNUC Algorithmus validéiert mat 4187 endoskopesche Biller a 4104 Biopsie Exemplare vun 875 Patienten mat UC.

"Mir hu festgestallt datt den DNUC e Genauegkeetsniveau erreecht huet dee gläichwäerteg war wéi dee vun Expert Endoskopisten, "seet den Takenaka." Also, eise System konnt histologesch Remission vun UC viraussoen nëmme mat endoskopesche Biller, am Géigesaz zu béide histologeschen an endoskopeschen Donnéeën. Dëst representéiert eng wichteg Entwécklung no de Käschten a Risiken verbonne mat Biopsien. "

Den DNUC kann UC Patienten identifizéieren déi an der Remission sinn ouni datt se eng Biopsiesammlung an Analyse erfuerderen. Dëst kéint Zäit a Suen fir medizinesch Institutiounen spueren, a limitéiert d'Belaaschtung fir invasiv medizinesch Prozedure fir Leit mat UC.

• Gutt Bakterien kënnen d'Effektivitéit vu Kriibs Immuntherapie erhéijen,
• Gastrointestinal Manifestatiounen a fecal-mëndlech Iwwerdroung vum Roman Coronavirus