一个新的深度学习模型用于预测结肠直肠解剖学泄漏:一个先驱的多中心跨大西洋研究
Miguel Mascarenhas1,2,3,4,5, Francisco Mendes1,2,3,5, Filipa Fonseca6
1Precision Medicine Unit, Department of Gastroenterology, Unidade Local de Saúde São João, 4200-319 Porto, Portugal.
Journal of clinical medicine
|August 14, 2025
概括
这项研究开发了一种AI模型,使用手术内视频来预测结肠直肠静脉漏 (CAL). 该模型实现了99.6%的准确性,提供实时风险评估,以潜在地预防并发症.
科学领域:
- 手术创新 在外科创新.
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 结肠直肠静脉泄漏 (CAL) 是一种严重的并发症,影响患者的治疗结果.
- 目前的CAL风险评估缺乏实时预测能力.
- 需要先进的工具来提高结直肠手术手术的安全性.
研究的目的:
- 开发一种人工智能 (AI) 模型,用于预测结直肠静脉漏 (CAL).
- 为了利用手术内腹腔镜视频录像进行实时CAL风险评估.
- 在结直肠外科手术期间增强外科决策和患者安全.
主要方法:
- 一个卷积神经网络 (CNN) 在结直肠手术视频中的注释上受训.
- 来自三个国际中心的数据包括来自26名患者的5356个 (2007年有CAL,3349正常).
- 评估了四个CNN架构,通过精度,灵敏度,特异性和AUROC来衡量性能.
主要成果:
- 性能最好的AI模型实现了99.6%的准确性和99.6%的AUROC.
- 高灵敏度 (99.2%) 和特异性 (100.0%) 证明了可靠的CAL预测.
- 热图提供了视觉解释,识别了影响模型预测的关键区域.
结论:
- 这是第一个使用手术视频分析进行CAL预测的AI模型.
- 该模型的高精度表明了手术决策中的潜在范式转变.
- 用更大的数据集进行进一步验证,可以实现实时干预,以防止CAL.
