基于人工智能的胃镜图像辅助识别模型在慢性萎缩性胃炎诊断中的临床研究

背景:目前人工智能(AI)是临床各领域的研究热点,强大的图像识别和处理能力使其在消化内镜领域具有很强的优势。目的:基于AI构建胃镜图像辅助识别系统,并探讨其在慢性萎缩性胃炎(CAG)诊断中的价值。方法:选取2018年4月—2020年8月在青岛市市立医院行胃镜检查并取活检行病理检查者的胃镜图像3813张,其中包括CAG 1927张和慢性非萎缩性胃炎(CNAG)1886张,选取其中3055张图像为训练集(CAG 1541张,CNAG 1514张),379张图像(CAG 193张,CNAG 186张)作为调整集,其余图像作为测试集。训练并验证深度学习模型,绘制模型受试者工作特征曲线(ROC曲线)和P-R曲线,比较该模型与3名低年资内镜医师、3名高年资内镜医师诊断CAG的敏感性、特异性和准确性。结果:深度学习模型识别CAG的ROC曲线下面积为0.9168,P-R曲线下面积达0.9316,敏感性为89.1%,特异性为74.2%,准确性为81.8%。深度学习模型识别CAG的敏感性、特异性和准确性均明显优于低年资内镜医师,甚至优于部分高年资内镜医师。结论:基于AI技术构建的诊断CAG的深度学习模型具有较高的敏感性、特异性和准确性,可有效识别出CAG,可辅助临床内镜医师在胃镜检查中作出相应诊断。

虚拟现实在消化内镜培训中的研究进展

消化内镜是诊断和治疗消化道疾病的重要工具,随着消化道肿瘤筛查项目的扩大,越来越多的患者和无症状健康人群将接受消化内镜检查,因此消化内镜的培训尤为重要。传统的基于患者的培训模式将逐渐被更为规范化的培训模式所取代。虚拟现实(VR)模拟器具有客观性、安全性、经济性等优势,其应用有助于逐步推进和完善我国消化内镜医师的规范化培训模式。本文就VR技术在消化内镜培训中的应用和研究进展及其优势、局限性和发展方向作一综述。

人工智能技术在消化内镜诊断及质量控制中的研究进展

近年来,人工智能(AI)技术发展迅速,它具有强大的学习能力以及计算能力,现已能应用于医学众多领域。消化内镜领域以图片作为诊断基础,与人工智能辅助诊断领域能够完美交融,关于人工智能技术在消化内镜领域的研究也成了近年的热点,在AI辅助下,内镜医师的诊断水平可大水平提升。此文章就目前人工智能在胃肠镜下疾病诊断的应用进行综述。