使用共聚焦激光内显微镜的自动严重程度分级系统来评估性结肠炎的炎症活性:一项前性研究

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:

• 性结肠炎 (UC) 中的持续性炎症与复发和不良结果有关.
• 与传统内镜相比,基于探针的共聚焦激光内显微镜 (pCLE) 提供了优越的UC炎症评估.

研究的目的:

• 开发和验证使用pCLE的UC炎症活动的自动严重程度分级系统 (ASGS).
• 评估ASGS对UC复发和预后的预测能力.

主要方法:

• 开发了一个基于卷积神经网络 (CNN) 的ASGS,用于回顾性PCLE图像分级.
• 通过UC患者的PCLE图像和视频进行ASGS的前性验证.
• 与病理发现相关的ASGS分级和监测患者在12个月内复发.

主要成果:

• 在图像 (97.38% - 99.90%) 和视频 (75.56% - 98.17%) 数据集中对ASGS的高度敏感性和特异性,用于对UC炎症活性进行分级.
• ASGS与病理学有很强的相关性 (QWK=0.780).
• 与白光内镜 (WLE) 相比,ASGS的内显微镜得分是UC复发的优异预测器.

结论:

• 通过PCLE,ASGS提供完全自动化,准确的UC炎症活性分级.
• 该系统有可能预测UC缓解,并改善患者的预后.
• 基于PCLE的ASGS在UC管理和监控方面取得了重大进展.