实时人工智能辅助解剖结构识别在内镜下粘膜剖析期间的可行性

科学领域:

• 胃肠病学 胃肠病学
• 医疗技术 医疗技术 医学技术
• 人工智能的人工智能

背景情况:

• 内镜下粘膜切割 (ESD) 是一种复杂的微创手术,需要广泛的培训.
• 由于ESD与操作者相关的并发症有关,因此需要加强安全措施.
• 实时人工智能 (AI) 支持可能会提高ESD的安全性和效率.

研究的目的:

• 评估实时人工智能算法的可行性,用于ESD期间对解剖结构进行划分.
• 在ESD程序中评估人工智能辅助定向支持的安全性和适当性.
• 调查人工智能的潜力,以提高干预速度和ESD的结果.

主要方法:

• 通过使用30个ESD的1011个内镜图像来训练一个深度学习算法.
• 该算法在内部和外部得到了验证,在解剖结构上获得了高的子得分.
• 人工智能系统在12次ESD中应用在体内猪模型中,由专家和初学者执行.

主要成果:

• 外部验证显示,对界定关键解剖层的准确性很高 (例如,肌肉层的92%).
• 人工智能系统成功地集成到所有12个ESD程序中.
• 所有切割都在没有任何并发症的情况下完成,证明了系统的安全性.

结论:

• 实时人工智能算法证明了在ESD中解剖划分和定向支持的可行性.
• 人工智能应用被认为是安全的,适合在人类程序中潜在的常规使用.
• 需要进一步的研究来证实AI驱动的ESD定向支持的临床益处.