Die Verwendung von künstlicher Intelligenz zu beurteilen, Colitis ulcerosa
Forscher von der Tokyo Medical and Dental University (TMDU) haben eine entwickelte künstliche Intelligenz-system, das effektiv bewertet endoskopische Schleimhaut-Befunde von Patienten mit Colitis ulcerosa ohne die Notwendigkeit einer Biopsie Sammlung.
Bewertungen von Patienten mit Colitis ulcerosa (UC), das ist eine Art von entzündlichen Darmerkrankung, sind in der Regel durchgeführt, über Endoskopie und Histologie. Aber jetzt haben Forscher aus Japan haben ein system entwickelt werden kann, genauer als die bisherigen Methoden, und möglicherweise reduzieren die Notwendigkeit für diese Patienten Unterziehen invasive medizinische Verfahren.
In einer Studie, veröffentlicht in diesem Februar in Gastroenterologie, Forscher von der Tokyo Medical and Dental University (TMDU) haben gezeigt, eine neu entwickelte künstliche Intelligenz (AI) – system, das auswerten kann, endoskopischen Befunde von UC mit einer Genauigkeit entspricht der Experte endoscopists.
Genaue Auswertungen sind unerlässlich bei der Bereitstellung optimaler Pflege für die Patienten mit UC. Frühere Studien haben gezeigt, dass sowohl die endoskopische remission, bewertet über die Beurteilung, endoskopische Verfahren, histologische remission, wie dies durch den Grad der mikroskopischen Entzündungen, kann Vorhersagen, das Ergebnis für den Patienten, und werden so Häufig verwendet, wie die Behandlung Ziele. Allerdings intra – und inter-observer-Variationen auftreten, sowohl in der endoskopischen und histologischen Analysen und der histologischen Untersuchung Häufig erfordert die Erhebung von Gewebe über Biopsien, die invasiv und teuer.
„Die interpretation der endoskopischen Bilder ist subjektiv und basiert auf den Erfahrungen der einzelnen endoscopists, wodurch die Standardisierung der Auswertung und Echtzeit-Charakterisierung herausfordernd“, sagt der Erstautor der Studie Kento Takenaka. „Um dies zu beheben, wollten wir entwickeln eine Tiefe neural network (DNN) system für eine einheitliche, Ziel-und real-time-Analyse endoskopischer Bilder, die von Patienten mit UC (DNUC).“
Um dies zu tun, haben die Forscher ein system entwickelt, mit DNNs zu bewerten, endoskopische Bilder von Patienten mit UC. DNNs sind eine Art von AI-Maschine-learning-Methode basiert auf der Konstruktion von künstlichen neuronalen Netzen.
„Wir konstruierten die DNUC Algorithmus, mit 40,758 Bilder von Koloskopien und 6885 Biopsie-Ergebnisse von 2012 Patienten mit UC“, sagt senior-Autor Mamoru Watanabe. „Dies umfasste auch die Ausbildung für maschinelles lernen, das es ermöglichte, den Algorithmus zu lernen, genau zu bewerten und zu klassifizieren der Daten.“
Die Forscher dann überprüft die Richtigkeit der DNUC-Algorithmus mit 4187 endoskopische Bilder und 4104 Biopsie-Proben von 875 Patienten mit UC.
„Wir haben festgestellt, dass der DNUC erreicht eine Genauigkeit, die äquivalent war zu der Experte endoscopists“, sagt Takenaka. „Also, unser system war in der Lage, vorherzusagen, histologische remission der UC mittels endoskopischer Bilder nur, im Gegensatz zu histologischen und endoskopischen Daten. Dies ist eine wichtige Entwicklung angesichts der Kosten und Risiken, die mit Biopsien.“