基于深度学习的系统的多步验证,以视觉解释为光学诊断具有先进特征的息肉

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:

• 准确的结直肠多的光学诊断对于有效的患者管理至关重要.
• 对内镜医生来说,区分超塑性和腺瘤多,特别是那些具有先进特征的多,仍然是具有挑战性的.
• 人工智能 (AI) 显示出提高内镜诊断精度的潜力.

研究的目的:

• 评估人工智能系统在提高内镜师对具有先进特征的结直肠多瘤光学诊断的准确性方面的有效性.
• 为了比较AI与内镜医生的诊断性能,识别需要组织学检查的息肉.
• 评估人工智能协助对临床决策对聚管理的影响.

主要方法:

• 开发和内部/外部验证人工智能系统,以区分具有先进特征的结直肠多.
• 进行了一项前性随机受控研究,涉及120名内镜医生.
• 内镜医生用或没有人工智能辅助进行了聚的光学诊断.

主要成果:

• 人工智能系统在区分具有先进特征的息肉时,实现了超过0.870的准确性.
• 内镜医生的诊断准确度 (0.410-0.580) 显著低于人工智能.
• 人工智能辅助改善了对组织学具有先进特征的息肉的正确识别 (0.960对0.840) 并减少了对良性息肉的不必要切除 (0.490对0.380).

结论:

• 开发了一种人工智能技术,可以显著提高诊断结肠直肠多的准确性,具有先进的功能.
• 人工智能驱动的光学诊断通过优化聚管理决策来提高内镜手术的质量.
• 人工智能在协助内镜师方面发挥了宝贵的作用,导致更精确,更有效的结直肠多体表征.