人工智能诊断癌前期增长与炎症性肠病有关

炎症性肠病(IBD)的发病率——难治的疾病表现为慢性炎症的胃肠道(GI)在日本tract-has显著增加。慢性炎症与IBD经常导致癌症在结直肠地区的发展。

患者可见或低度发育异常(异常细胞生长可能不是恶性),内镜切除技术用于消除癌变组织,和结肠镜检查通常使用。然而,对于高速率的肿瘤患者(严重的细胞生长恶性),总proctocolectomy,即。,完整切除结肠和直肠是标准的治疗,这是非常不利于他们的生活质量。

因此,识别的严重性与品位瘤在诊断之前治疗至关重要。不幸的是,结直肠地区炎症的存在使得英国很难分类IBD肿瘤的类型(IBDN)。这使得活检是唯一可行的选择,伴随着高风险,常常会导致不准确的诊断,强调需要一个简单的诊断技术和高精度。

为此,一个研究小组从日本冈山大学医学院毕业,包括Hideaki Kinugasa助理教授、医生Shumpei山本,教授Sakiko Hiraoka,喜郎教授Kawahara进行了试点研究开发人工智能(AI)系统,分类准确IBDN病变。此外,作为这项研究的一部分,这是发表在胃肠病学和肝脏病学第一次5月29日,2022年,他们比较英国的诊断能力与新的人工智能系统。

首先,团队使用传统的神经网络(CNN)——一种神经网络用于分析视觉imagery-known Efficient-Net-B3,开发人工智能系统的原型。他们训练这一系统使用862的内窥镜图像99 IBDN病变IBD患者来自两家医院2003年至2021年,使用深度学习框架和验证它。接下来,他们问英国拥有超过8年的经验在胃肠内镜分析和分类的图像病变分为两类基于proctocolectomy的必要性,并对比其分类的人工智能系统。

由于data-augmentation,人工智能系统生成大约六百万图像从原始数据集,然后用于分析病人和病变的临床病理特征。

基于这些分析,研究小组发现,大多数患者溃疡性colitis-a类型的炎症性肠病,其中超过95%呈现pancolitis和左结肠炎。此外,人工智能系统显示一个基于图像的诊断能力敏感性为64.5%,特异性89.5%,和80.6%的准确率,lesion-based诊断能力和敏感性74.4%,特异性85%,准确性80.8%。有趣的是,正确的诊断的人工智能系统是79.0,而英国是77.8。

这些发现意味着什么?”我们的人工智能系统原型证明是成功的在决定IBD-tumors的恶性程度和价值足以有助于临床实践在未来几年”,助理教授Kinugasa回应说。

这个团队还强调,结合基于ai自动诊断肿瘤病变与现有的内镜诊断技术可能在实时提供优越的诊断结果。

在讨论系统的额外的优势和实际的应用程序,助理Kinugasa教授补充道,“使用这种人工智能系统可以确保英国不会误诊IBD肿瘤病变,病人得到及时的治疗,更合适的治疗策略开发和申请IBD的早期和晚期”。

希望这个人工智能系统的变革了IBD-associated诊断肿瘤,改善炎症性肠病的患者的生活在日本和世界其他地区的!

参考:山本年代,Kinugasa H,岩漠K, et al .诊断能力分类肿瘤发生在炎症性肠病的人工智能和英国:一个试点研究。J杂志。2022年。doi:10.1111 / jgh.15904

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。