人工知能とFLIPパノメトリー-食道運動パターンの自動分類

科学分野:

• 消化器病学;医用画像処理;人工知能

背景:

• 機能的ルーメンイメージングプローブ（FLIP）パノメトリーは、内視鏡検査中に食道胃接合部と食道運動を評価します。ダラスコンセンサスによって導かれるFLIPパノメトリーデータの分析は複雑です。FLIPパノメトリーにおける人工知能（AI）応用の研究は限られています。

研究 の 目的:

• FLIPパノメトリー検査における運動パターンの自動分類のためのAIモデルを開発すること。病理学的FLIPパノメトリーパターンの特定における機械学習モデルのパフォーマンスを評価すること。

主な方法:

• 5つの国際センターからの105件のFLIPパノメトリー検査が分析されました。患者分割デザインを使用して機械学習モデルがトレーニングおよび検証されました。パフォーマンスは、精度と受信者操作特性曲線下面積（AUC-ROC）を使用して評価されました。

主要な成果:

• AdaBoost分類器は、病理学的パターンに対して84.9%の精度（AUC-ROC 0.92）を達成しました。ランダムフォレストは、食道胃接合部開口部障害を86.7%の精度（AUC-ROC 0.973）で特定しました。勾配ブースティング分類器は、収縮反応障害を86.0%の精度（AUC-ROC 0.933）で検出しました。

結論:

• 機械学習モデルは、ダラスコンセンサスに従ってFLIPパノメトリー検査を正確に分類しました。AI主導のFLIPパノメトリーは、検査の標準化とアクセシビリティに革命をもたらす可能性を提供します。この技術は、診断精度の最適化を通じて患者管理を大幅に変革する可能性があります。