经典:验证人工智能在手术期间实时分类癌症

科学领域:

• 胃肠道学和外科瘤学
• 医学成像和人工智能 医学成像和人工智能

背景情况:

• 正确的直肠息肉切割前剖析是具有挑战性的,影响治疗决策.
• 印ocyanine绿色 (ICG) 光 perfusion 信号,通过数学和人工智能 (AI) 进行分析,为内镜组织特征提供了潜力.
• 目前的方法依赖于活检,这在实时手术内评估方面存在局限性.

研究的目的:

• 验证人工智能驱动的ICG光分析的通用性,可用性和准确性,用于分类直肠多和瘤.
• 开发临床级软件实时,人工智能辅助内镜组织特征.
• 将基于人工智能的分类和指导干预与当前的护理标准进行比较.

主要方法:

• 欧洲前性,无盲目的,多中心的观测研究 (CLASSICA).
• 在至少五个临床场所招募600名患者,对至少五个临床场所进行显著的直肠息肉/瘤进行过内镜评估.
• 集中分析ICG光视频记录,逐步开发本地自动化AI分类软件.

主要成果:

• 该研究旨在验证用于内镜分类的ICG光的AI分析.
• 基于AI的分类将与标准护理进行比较,包括活检和最终病理学.
• 该研究将确定AI在区分良性和恶性直肠病变方面的表现.

结论:

• 这项CLASSICA研究将证实人工智能的实用性,用于分析ICG光对内镜聚体和瘤分类.
• 未来的研究将将人工智能引导的干预 (活检/切除) 与传统方法进行比较,评估边际清除和复发等结果.
• 基于人工智能的内镜表征有可能改进外科手术策略并改善患者的治疗结果.