使用计算机视觉来改善内镜疾病量化在性结肠炎的治疗临床试验
Ryan W Stidham1, Lingrui Cai2, Shuyang Cheng2
1Division of Gastroenterology, Department of Internal Medicine, Michigan Medicine, Ann Arbor, Michigan; Department of Computational Medicine and Bioinformatics, University of Michigan, Ann Arbor, Michigan; Michigan Institute for Data Science, University of Michigan, Ann Arbor, Michigan.
Gastroenterology
|October 13, 2023
概括
对性结肠炎 (UC) 内镜视频的计算机视觉分析创建了一个累积疾病得分 (CDS). 这种人工智能驱动的CDS比传统方法更好地量化疾病严重程度和治疗反应.
科学领域:
- 胃肠病学 胃肠病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 目前对性结肠炎 (UC) 的内镜评估依赖于观察到的最大严重程度,可能缺少细微的疾病变异.
- 对UC的粘膜损伤的客观量化对于准确的治疗评估至关重要.
- 计算机视觉提供了一种新的方法来分析UC的内镜发现.
研究的目的:
- 开发和验证基于计算机视觉的结性结肠炎累积疾病评分 (CDS).
- 将CDS的疗效与梅奥内镜评分 (MES) 进行比较,以区分治疗反应.
- 评估使用CDS与MES检测内镜差异的统计能力和样本大小要求.
主要方法:
- 来自UNIFI临床试验的内镜视频 (ustekinumab与UC的安慰剂) 使用计算机视觉分析生成CDS.
- CDS在空间上与梅奥内镜评分 (MES) 进行了映射,并与MES进行了治疗反应和症状缓解的比较.
- 对CDS和MES进行了统计能力,效果大小和样本大小计算.
- 在单独的2期临床试验复制队列 (JAK-UC) 中验证了CDS性能.
主要成果:
- 在第8周和第44周,与安慰剂相比,乌斯特基努马布使用者的CDS显著较低 (P < .0001).
- CDS与MES (P < .0001) 和部分梅奥得分组件 (P < .0001) 显示出强烈的相关性.
- CDS对治疗变化比MES更敏感,需要50%的参与者来检测内镜差异.
- 乌斯特基努马布在基线CDS较高的患者中显示出更大的疗效,特别是在严重的疾病中.
结论:
- 累积疾病评分 (CDS) 提供了一个自动化,定量测量UC的全球内镜疾病严重程度.
- CDS增强了传统的MES能力,在临床试验和潜在的临床实践中提供了更好的UC评估.
- 人工智能驱动的CDS分析在评估UC内镜活动方面取得了重大进展.
更多相关视频
09:42Murine Endoscopy for In Vivo Multimodal Imaging of Carcinogenesis and Assessment of Intestinal Wound Healing and Inflammation
Published on: August 26, 2014
18.7K
07:05Fluorescence-mediated Tomography for the Detection and Quantification of Macrophage-related Murine Intestinal Inflammation
Published on: December 15, 2017
8.3K
