通过人工智能模型自动评估肠道准备及其临床适用性

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:

• 准确的肠道准备评估对于有效的结肠镜检查至关重要.
• 目前用于肠道准备的评分系统耗时,容易发生观察者间的变化.

研究的目的:

• 开发和验证人工智能 (AI) 模型,用于评估结肠镜检查期间的肠道清洁性.
• 评估人工智能模型与内镜师评估的临床适用性和一致性.

主要方法:

• 使用2361张结肠镜图像开发了一个AI模型,以评估波士顿肠道准备量表 (BBPS).
• 该模型在静止图像,视频片段,完整视频和外部数据集上进行了验证,评估其区分充分准备和不充分准备的能力.
• 通过225次连续的结肠镜检查来评估临床适用性,分析AI和内镜医生之间的评价者间变异性.

主要成果:

• 人工智能模型实现了高精度 (94.0%在静止图像上,95.3%在外部数据集上) 和优秀的ROC曲线下面积 (0.939,0.976).
• 该模型在检测不充分的肠道制备时表现出100%的灵敏度.
• 在人工智能模型和内镜师之间观察到85.3%的总体一致率,与实质性一致 (Fleiss' kappa = 0.686).

结论:

• 开发的AI模型准确地评估了肠道准备,并与专家内镜医生达成了实质性的协议.
• 人工智能模型有望提高结肠镜检查中肠道准备评估的效率和一致性.
• 建议进一步细化,以便在大规模结肠镜查计划中得到广泛实施.