从像素到透镜:比较阿哈拉西亚诊断与人工智能与专家内镜医生

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:

• 消化道运动障碍,如秋拉西亚,使用多项测试来诊断.
• 在上部内镜检查过程中,细微的指标往往会被忽视,导致延迟了阿喀拉西亚的诊断.
• 人工智能 (AI) 可以作为一种早期查工具,以提高医生的决策能力,防止误诊.

研究的目的:

• 开发和评估一个基于视频的变压器模型,用于从上部内镜视频中检测秋拉症.
• 将AI模型的诊断性能与专家医生进行比较.

主要方法:

• 一个变压器模型被训练在上部内镜视频从1203个患有食障碍的患者.
• 模型的性能与2名专家医生的共识进行了比较.
• 评估使用了95名患者的测试组,从高分辨率测量仪 (芝加哥分类v4.0) 中获得了基准真相.

主要成果:

• 人工智能模型实现了高精度 (0.926) 和F1得分 (0.821),相当于医生共识 (0.905和0.710).
• 该模型表现出优异的灵敏度 (0.800比0.550) 和负预测值 (0.947比0.893),假负值较少.
• 人工智能的注意力机制突出了相关特征,如食道液/食物和下食道关节的紧张.

结论:

• 人工智能可以有效地检测使用上部内镜视频的阿喀拉西亚.
• 人工智能模型的准确性与专家内镜师的准确性相当.
• 人工智能有可能成为早期阿喀拉西亚查和诊断的宝贵工具.