一种新的灵活的近红外内镜装置,可实时实现人工智能光组织特征

科学领域:

• 医疗成像医学成像
• 胃肠病学 胃肠病学
• 生物医学工程 生物医学工程

背景情况:

• 人工智能 (AI) 和近红外 (NIR) 用印ocyanine Green (ICG) 的成像显示出实时内镜直肠病变特征的前景.
• 目前的光内镜缺乏结肠镜的灵活性和范围,而灵活的结肠镜缺乏超视频光谱成像,限制了AI-NIR技术.
• 由于当前内镜成像能力的局限性,在将AI-NIR分类技术应用于结肠方面存在技术差距.

研究的目的:

• 开发一种适合结肠镜的灵活成像探针,用于NIR-ICG可视化.
• 集成用于光量化和 perfusion 模式分析的机器学习 (ML) 算法.
• 为了实现实时AI-NIR分类结肠病变和评估输液.

主要方法:

• 开发一种灵活的成像探头,用于与结肠镜相兼容的NIR-ICG可视化.
• 整合一个全视野ML算法用于光量化和 perfusion 模式交叉相关性.
• 在接受结直肠切除的患者身上进行体内和体外测试,包括使用不同的ICG流量进行基准模型验证.

主要成果:

• 开发的探头实现了133μm的最小对象分辨率和50mm的最大工作距离.
• 人工智能ML系统生成了像素级光时间序列测量,以79%的准确度区分ICG流域 (贾卡德指数).
• 证明了成功的体内和体外NIR可视化结肠中的ICG.

结论:

• 开发的灵活的NIR成像探头和AI-ML算法成功实现了实时结肠 perfusion 评估.
• 这项技术解决了AI-NIR应用当前内镜成像的局限性.
• 进一步的临床验证正在进行中,有可能进行外科手术期间输液评估和与向药物的组合.