Новая система искусственного интеллекта может с точностью оценивать эндоскопические данные о язвенном колите

Обследование пациентов с язвенным колитом (ЯК), который является типом воспалительного заболевания кишечника, обычно проводятся с помощью эндоскопии и гистологии. Но сейчас, исследователи из Японии разработали систему, которая может быть более точной, чем существующие методы, и может снизить потребность этих пациентов в инвазивных медицинских процедурах.

В исследовании, опубликованном в феврале этого года в Гастроэнтерология , Исследователи из Токийского медицинского и стоматологического университета (TMDU) обнаружили недавно разработанную систему искусственного интеллекта (AI), которая может оценивать эндоскопические данные о ЯК с точностью, эквивалентной точности экспертов-эндоскопистов.

Точная оценка имеет решающее значение для обеспечения оптимального ухода за пациентами с ЯК. Предыдущие исследования показали, что как эндоскопическая ремиссия, так и оценивается посредством оценки эндоскопической процедуры, и гистологическая ремиссия, на что указывает степень микроскопического воспаления, может прогнозировать исходы для пациентов, и поэтому часто используются в качестве лечебных целей. Тем не мение, вариации внутри и между наблюдателями наблюдаются как в эндоскопическом, так и в гистологическом анализе, и гистологический анализ часто требует взятия ткани с помощью биопсии, которые являются инвазивными и дорогостоящими.

<цитата>

Интерпретация эндоскопических изображений субъективна и основана на опыте отдельных эндоскопистов, тем самым затрудняя стандартизацию оценки и характеристики в реальном времени. Чтобы решить эту проблему, мы стремились разработать систему глубокой нейронной сети (DNN) для последовательной, задача, и анализ в реальном времени эндоскопических изображений пациентов с ЯК (DNUC) ».

Кенто Такенака, ведущий автор исследования

Сделать это, исследователи разработали систему с DNN для оценки эндоскопических изображений пациентов с ЯК. DNN - это метод машинного обучения искусственного интеллекта, основанный на построении искусственных нейронных сетей.

"Мы построили алгоритм DNUC, используя 40, 758 изображений колоноскопии и 6885 результатов биопсии от 2012 пациентов с ЯК, - говорит старший автор Мамору Ватанабе. - Это был обучающий набор для машинного обучения, что позволило алгоритму научиться точно оценивать и классифицировать данные ".

Затем исследователи подтвердили точность алгоритма DNUC с использованием 4187 эндоскопических изображений и 4104 образцов биопсии от 875 пациентов с ЯК.

«Мы обнаружили, что DNUC достиг уровня точности, эквивалентного уровню точности экспертов-эндоскопистов, - говорит Такенака. наша система смогла предсказать гистологическую ремиссию ЯК только с использованием эндоскопических изображений, в отличие от гистологических и эндоскопических данных. Это представляет собой важное событие с учетом затрат и рисков, связанных с биопсией ».

DNUC может идентифицировать пациентов с ЯК, находящихся в стадии ремиссии, не требуя от них прохождения биопсии и анализа. Это может сэкономить время и деньги медицинских учреждений, и ограничить воздействие инвазивных медицинских процедур на людей с ЯК.

• Кишечные бактерии могут повысить эффективность иммунотерапии рака,
• Желудочно-кишечные проявления и фекально-оральная передача нового коронавируса