开发和临床验证一种基于深度学习的新型中内镜超声波导航系统,用于质量控制:单中心随机对照试验

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 胃肠病学 胃肠病学

背景情况:

• 内镜超声波 (EUS) 对于中关节疾病管理至关重要.
• 目前的EUS程序缺乏有效的质量控制机制.

研究的目的:

• 开发和评估一个人工智能系统,用于中枢EUS.
• 改善解剖学地标识别和扫描指导.
• 加强临床EUS检查的质量控制.

主要方法:

• 在 11,230 个注释的 EUS 图像上训练了一个 AI 系统.
• 进行了一项随机对照试验,将人工智能辅助的EUS与标准EUS进行比较.
• 评估了148名患者的扫描完整性和程序结果.

主要成果:

• 人工智能辅助的EUS显著提高了总站的完整性 (1.00与0.80相比;p < 0.001).
• 人工智能协助下,解剖结构的完整性也显著提高 (1.00比0.85;p<0.001).
• 没有观察到程序时间或不良事件的显著差异.

结论:

• 人工智能系统有效地提高了中间体EUS扫描的完整性.
• 人工智能证明了改善临床环境中EUS质量控制的潜力.