Inteligencia artificial basada en transformador de visión agnóstico para colangioscopia peroral: rendimiento de...

Área de la Ciencia:

• Imágenes médicas
• Inteligencia artificial
• Gastroenterología

Sus antecedentes:

• El diagnóstico preciso de las estenosis biliares es crucial pero desafiante.
• La colangioscopia peroral (POCS) es un procedimiento endoscópico utilizado para la evaluación de la estrechez biliar.
• Los métodos de diagnóstico existentes pueden tener limitaciones en cuanto a precisión y consistencia.

Objetivo del estudio:

• Desarrollar y evaluar un sistema de inteligencia artificial (IA) para el diagnóstico de estenosis biliar utilizando imágenes POCS.
• Evaluar el rendimiento de una arquitectura Vision Transformer (ViT) para esta tarea de diagnóstico.
• Para comparar la precisión del sistema de IA con los métodos convencionales y los endoscopistas humanos.

Principales métodos:

• Análisis retrospectivo de 125 pacientes con estenosis biliar indeterminada que se sometieron a SOP.
• Desarrollo de modelos de IA, incluido un transformador de visión (ViT) y redes neuronales convolucionales (CNN), utilizando imágenes POCS de diferentes sistemas de proveedores.
• Una evaluación a ciegas comparando el rendimiento del modelo ViT con endoscópicos expertos y no expertos utilizando un conjunto de pruebas dedicado.

Principales resultados:

• El modelo de IA basado en ViT logró una precisión de diagnóstico del 83,9% en el conjunto de datos general.
• El rendimiento fue consistente en diferentes sistemas de proveedores de POCS (grupos CHF y Spy).
• La precisión del modelo ViT (78,4%) fue comparable a la de los endoscópicos expertos (82,0%) y los no expertos (73,0%) en el conjunto de pruebas.

Conclusiones:

• Un nuevo modelo de IA basado en Vision Transformer (ViT) demuestra una alta precisión de diagnóstico para las estenosis biliares a través de POCS.
• El sistema de IA es agnóstico del proveedor y se desempeña de manera comparable a las CNN convencionales y los endoscopistas humanos.
• Esta herramienta de IA tiene el potencial de mejorar la precisión y la eficiencia del diagnóstico de estenosis biliar.