炎症性腸疾患患者における大腸病変検出のための人工知能ツールの開発

科学分野:

• 消化器病学
• 医用画像処理
• 人工知能

背景:

• 炎症性腸疾患（IBD）患者は、大腸がんのリスクが高いです。
• IBD患者における大腸がん予防には、異形成の早期検出が重要です。
• 人工知能（AI）は、内視鏡検査での病変検出を強化する可能性を示しています。

研究 の 目的:

• IBD患者の大腸病変に特化した最初のコンピュータ支援検出（CADe）モデルを開発および評価すること。
• IBDにおける異形成検出のための再学習されたAIモデルのパフォーマンスを評価すること。
• IBDにおける大腸がんスクリーニングの精度を向上させること。

主な方法:

• 既存のCADeモデルをIBD病変画像でテストしました。
• IBD関連病変の1266枚の高解像度白色光内視鏡（HDWLE）画像と426枚の色素内視鏡画像を使用して、CADeモデルを再学習しました。
• 病変は、組織病理学、サイズ、形態、および周囲の炎症によって注釈付けされました。モデルのパフォーマンスは、再学習の前後に評価されました。

主要な成果:

• 再学習されたIBD-CADeモデルは、HDWLE画像で95.1%の感度と96.8%の精度を達成しました。
• 色素内視鏡画像におけるパフォーマンスメトリクスには、67.4%の感度と77.8%の精度が含まれていました。
• このモデルは、さまざまな病変サイズで高い感度を示し、特定のパリ分類タイプで最も優れたパフォーマンスを発揮しました。

結論:

• 開発されたIBD-CADeモデルは、IBD患者における大腸病変の検出において重要な進歩を表しています。
• このAIツールは、IBDにおける異形成検出のための高度な内視鏡ツールを開発するための最初のステップです。
• この発見は、AIがIBD患者の内視鏡サーベイランスを大幅に改善できることを示唆しています。