一个农村到中心的人工智能模型用于诊断Helicobacter pylori感染和前恶性胃病,使用常规实践中捕获的内镜图像来诊断

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:

• 诊断Helicobacter pylori感染和前恶性胃病通常依赖于13C尿素呼吸测试或组织学等方法.
• 这些诊断工具在偏远或资源有限的环境中往往是无法访问的.
• 需要在服务不足的人群中为胃病提供可访问的诊断解决方案.

研究的目的:

• 开发和实施人工智能 (AI) 模型,用于自动评估上部内镜图像.
• 评估AI模型在识别Helicobacter pylori感染和前恶性胃病的诊断准确度.
• 弥合农村和高等医疗保健中心之间的专家诊断能力差距.

主要方法:

• 从农村医院和高等医疗中心收集上部内镜图像.
• 经过训练,验证和测试的人工智能算法以排除低质量的图像,细分胃区域和增强粘膜特征.
• 实施了农村到中心的AI模型,用于实时分析从农村医院传输的内镜图像.

主要成果:

• 在开发过程中,人工智能模型实现了高的诊断准确率:H. pylori的92.8%,缩性胃炎的88.6%,肠道代谢的88.0%.
• 在实施阶段,人工智能预测的患病率与H. pylori,缩性胃炎和肠道转化等临床观察结果一致.
• 实施阶段的诊断准确率为H. pylori的91.3%,缩性胃炎的79.9%,以及肠道代谢的63.4%.

结论:

• 人工智能可以在资源有限的环境中使用常规内镜图像进行快速胃健康评估.
• 人工智能模型有效地弥合了对胃病的诊断访问和专业知识的差距.
• 这项技术具有显著的潜力,可以通过促进胃病的早期检测,改善偏远地区的医疗保健.