开发一种自动化工具,用于估计性结肠炎的组织学缓解,使用单波长内镜技术

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:

• 性结肠炎 (UC) 管理的目标是组织学和内镜缓解.
• 目前的白光内镜 (WLE) 评分与组织学活动的相关性有限.
• 单波长内镜 (SWE) 可视化微血管变化,可能改善组织学缓解的评估.

研究的目的:

• 评估计算机辅助诊断 (CAD) 系统的准确性,以估计UC中的组织学活性.
• 为了比较基于WLE和SWE的CAD系统的诊断性能.

主要方法:

• 收集了来自112名UC患者的6926个WLE和SWE的数据集.
• 深度学习模型 (WLE-CAD和SWE-CAD) 被训练来检测组织学缓解 (Geboes 分数 ≤ 2B.0).
• 模型的性能被评估使用灵敏度,特异性和诊断准确度.

主要成果:

• 最初,SWE-CAD (83.3%的准确率) 在检测组织学缓解方面表现优于WLE-CAD (67.5%的准确率).
• 对完整数据集的进一步培训提高了SWE-CAD的性能,达到95.2%的准确性.
• 最终的SWE-CAD模型实现了96.4%的灵敏度和92.9%的特异性.

结论:

• 使用SWE的自动CAD增强了毛细血管的可见性,改善了UC中的组织学缓解检测.
• SWE-CAD实现了95.2%的诊断准确度,提供了客观的评估.
• 这项技术可以帮助减少UC评估中读者之间的变化.