人工智能实时辅助消化内镜检查在胃癌癌前病变筛查中的应用效果观察

目的:探讨并分析人工智能实时辅助消化内镜检查在胃癌癌前病变筛查中的应用效果。方法:选择近年来梧州市红十字会医院收治的300例疑似存在胃癌癌前病变的患者作为研究对象。对这些患者均进行传统的消化内镜检查、人工智能实时辅助消化内镜检查与病理学检查,然后观察其检查结果,比较用人工智能实时辅助消化内镜检查与传统的消化内镜检查诊断其病情的敏感度、特异度和准确率,并调查8名医生对这两种消化内镜检查质量及满意度的评分。结果:用人工智能实时辅助消化内镜检查诊断这300例患者胃癌癌前病变的敏感度、特异度和准确率均高于用传统消化内镜检查诊断其胃癌癌前病变的敏感度、特异度和准确率,P<0.05。8名医生对人工智能实时辅助消化内镜检查质量和满意度的评分均高于对传统消化内镜检查质量和满意度的评分,P<0.05。结论:用人工智能实时辅助消化内镜检查诊断胃癌癌前病变的敏感度、特异度和准确率较高,该检查方法可用于筛查胃癌癌前病变。

人工智能消化内镜系统辅助结肠息肉诊断的临床应用及影响因素分析

目的:探讨人工智能消化内镜系统辅助诊断对结肠息肉检出情况的影响。方法:回顾性分析2022年10月—2023年10月在安徽医科大学第一附属医院进行内镜检查的150例息肉初筛高危患者的临床资料及检测结果。根据患者意愿,81例接受“影诺鹰眼”人工智能消化内镜系统辅助无痛结肠镜检查,69例接受普通无痛结肠镜检查。比较两种检查方法对结肠息肉的检出率,分析影响检出率的相关因素。结果:结肠息肉总检出率54.00%(81/150),接受无痛结肠镜检查患者的检出率为44.93%(31/69),低于人工智能消化内镜系统辅助无痛结肠镜检查的61.73%(50/81)。检出组患者年龄、男性占比、BMI、有慢性腹泻或便秘症状者占比、有肠道息肉史者占比、肠道准备评分、人工智能消化内镜系统使用率均高于未检出组。Logistic回归分析显示,受检者的年龄及是否使用人工智能消化内镜系统是结肠息肉检出率的独立影响因素,年龄、肠道准备评分和退镜时间是影响人工智能消化内镜系统检出率的独立影响因素。结论:高龄、肥胖、肠道息肉史、慢性腹泻或便秘人群是结肠息肉高发人群,应加强结肠息肉检查;使用“影诺鹰眼”人工智能消化内镜系统辅助检查、提高肠道准备评分、延长退镜时间有助于提高结肠息肉的检出率。

人工智能辅助消化内镜用于胃癌及癌前病变鉴别诊断临床价值分析

目的探究人工智能辅助消化内镜用于胃癌及癌前病变鉴别诊断的临床价值。方法回顾河南科技大学附属许昌市中心医院2020年1月至2021年12月收治的160例疑似胃癌及癌前病变患者资料,所有患者均接受常规内镜检查、人工智能辅助消化内镜检查、活检病理学诊断,分析常规内镜检查、人工智能辅助消化内镜检查对胃黏膜病变检出效能及胃癌与癌前病变鉴别诊断效能。结果活检病理学诊断160例患者,胃黏膜病变阳性140例,包括38例胃癌,102例胃上皮内瘤变(GIN);常规消化内镜检出胃黏膜病变123例,包括30例胃癌,93例GIN,其诊断胃黏膜病变的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为83.57%、70.00%、81.88%、95.12%、37.84%,其鉴别胃癌与GIN的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为71.05%、96.47%、88.62%、90.00%、88.17%;人工智能辅助消化内镜检出胃黏膜病变132例,包括35例胃癌,97例GIN,其诊断胃黏膜病变的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为92.86%、90.00%、92.50%、98.48%、64.29%,其鉴别胃癌与GIN的敏感度、特异度、准确率、阳性预测值、阴性预测值分别为86.84%、97.87%、94.70%、94.29%、94.85%;人工智能辅助消化内镜诊断胃黏膜病变的敏感度、准确率、阴性预测值高于常规消化内镜,差异有统计学意义(P<0.05),两种检查方法鉴别诊断胃癌及GIN的效能参数比较差异无统计学意义(P>0.05)。结论人工智能辅助消化内镜有助于提高胃黏膜病变检出效能,有效辅助胃癌及GIN鉴别诊断。

人工智能在内镜诊断上消化道早癌领域的研究进展

随着深度学习算法的不断开发,人工智能在内镜辅助诊断中的应用也备受关注。上消化道肿瘤因其早期不易被发现的特点成为内镜医师镜下诊断的难题,而计算机辅助诊断等新技术有望实现对上消化道早期恶性病变及其相关危险因素的识别及诊断。本文阐述了目前人工智能在内镜诊断上消化道早癌领域的应用情况和发展前景。

人工智能技术在消化内镜领域的研究现状

近年来,我国消化道肿瘤发病率、病死率居高不下。内镜检查作为诊疗消化道疾病的重要方法,尤其在肿瘤早期癌前病变的筛查阶段具有重要的应用价值。但是肿瘤早期癌前病变的内镜下发现率较低,提高内镜下早癌的诊断率对改善消化道肿瘤患者预后具有重要意义。随着计算机技术不断提高及大数据时代到来,人工智能技术辅助内镜下疾病诊断的相关研究也蓬勃发展。该文对人工智能技术的胃肠镜下疾病诊断结合国内外文献进行综述。

我国科学家成功研发上消化癌内镜人工智能辅助诊断系统

全球约50%的上消化道癌发生在中国,其中超过85%的患者在初次诊断时已为中晚期。上消化道早期癌患者五年生存率超过90%,而晚期患者的五年生存率不足10%。因此,上消化道癌的早期诊断早期治疗是提高疗效的关键。目前,内镜检查及活检仍是上消化道癌早期诊断的金标准。上消化道早期癌在内镜下没有明显的表征,而我国的内镜医生水平差异较大,导致内镜早期癌检出率低(不足10%)。因此,寻找准确有效的早诊方案,并行之有效地推广至基层,能够促进各级医院上消化道内镜诊断水平逐步同质化,提高整体医疗服务质量。

人工智能在消化内镜中应用的研究进展

人工智能(AI)在医学中的应用已引起广泛关注,AI辅助消化内镜诊断是目前的研究热点。临床上内镜操作由内镜医师完成,诊断则依靠医师肉眼结合病理活检完成,其本质是一个不断积累经验、逐渐完善的过程。AI辅助内镜诊断有望提高内镜医师对消化道病灶的检出率,有效减少误诊和漏诊。本文就AI在消化系统疾病内镜诊断中的作用和研究进展作一综述。

人工智能在胶囊内镜中的应用现状与不足

人工智能(AI)是试图模拟人类思考程序进行操作、计算等,具有高效、智能、便捷等优点,在医学中也广泛应用。目前,AI已在计算机辅助检查系统(CADE)、计算机辅助诊断系统(CADX)、计算机辅助跟踪系统(CADM)等方面用于胶囊内镜(CE)的研究,不但提高了内镜的检出率,而且减少误诊和漏诊。目前,AI虽然在数据集、试验设计、结果指标等方面存在不足,但仍是CE未来发展的趋势。

消化内镜人工智能辅助诊疗设备的成本效益分析

目的以国内较为成熟的消化内镜人工智能辅助诊疗系统——内镜精灵为例,分析其成本效益,以期为医院购置决策提供客观有效的数据支撑。方法收集2017年1月—2019年12月武汉大学人民医院消化内镜中心的胃肠镜流量数据,用来预测内镜精灵使用年限(10年)内胃肠镜流量,并使用净现值法、投资回收期法及平均收益率法对内镜精灵的成本效益进行分析。结果单台内镜精灵在预期使用年限(10年)内净现值约达672.41万元,回收期为1.10年,平均收益率达到147.84%。结论内镜精灵具有显著的经济效益,医院购买成熟的消化内镜人工智能辅助诊疗设备是合理的。

上消化道异物的内镜处理——附156例报告

目的探讨上消化道异物的临床特点及内镜取出的方法,积累内镜诊断及处理的经验。方法回顾性分析13年对156例上消化道异物患者进行紧急内镜或多次胃镜检查和应用辅助器械配合内镜处理异物的情况。结果取出异物例数成功率为88.46%,异物件数成功率为84.97%;未出现严重并发症。结论内镜下取出上消化道异物,能减轻病人痛苦和经济负担,缩短病程,方法安全有效。

气囊辅助内镜在小肠肿瘤诊断中应用价值的研究

目的评价气囊辅助内镜(BAE)对小肠肿瘤的诊断价值及安全性。方法对168例临床疑似小肠肿瘤患者行BAE检查。其中100例和30例患者分别同时行腹部CT和胶囊内镜(CE)检查,最后进行汇总分析,并与病理结果进行对比。结果168例患者最后经病理证实小肠肿瘤104例,其中BAE检出小肠肿瘤101例,BAE对小肠肿瘤的敏感性和特异性分别为97.12%、100.00%。100例腹部CT病变检出率为52%(52/100),确诊小肠肿瘤44例,敏感性和特异性分别为70.97%、78.95%。30例CE病变检出率为80%(24/30),确诊小肠肿瘤16例,敏感性和特异性分别为84.21%、27.27%。结论气囊辅助内镜具有良好的临床应用价值和很好的安全性,可提高小肠肿瘤的诊断率。

人工智能技术在消化内镜领域的应用进展

以大数据和云计算支撑的人工智能已经开始应用于医疗卫生领域,这将会影响医疗行业传统的工作模式。在消化内镜领域,计算机辅助检查和计算机辅助诊断技术等新型人工智能技术将有望提高内镜检查质量,降低疾病漏诊率,减轻内镜医师负担等。现系统阐述人工智能技术在消化内镜领域辅助胃镜、结直肠镜、胶囊内镜检查等方面的应用进展。

人工智能在消化内镜中的临床应用现状

随着人工智能(artificial intelligence,AI)技术的不断发展,以大数据为支撑兼具强大计算能力和学习能力的AI技术已用于解决复杂的医学问题。利用AI分析大量非结构化医学数据,并执行临床任务,开始出现在胃肠镜检查中。即使与专业的内镜医师相比,AI技术也能够表现出优异的灵敏度和准确率,计算机辅助检查和计算机辅助诊断技术有望改变传统的内镜检查模式。本文就AI技术在消化系统内镜中的应用进行探讨。

B超实时测定法对非溃疡性消化不良的胃排空研究

为了探索非溃疡性消化不良的胃排空情况,我们采用实时超声测定法,对50例NUD患者和30例正常人的胃液体排空进行测定,现报道如下。对象和方法一、对象①NUD组:50例NUD患者,男38人,女12人,平均年龄41.18±12.66岁(范围14～76岁)。其消化不良病史在2～25年。均经纤维内镜检查排除消化性溃疡及肿瘤,经B超。

人工智能在消化内镜质量控制中的应用与发展

随着人工智能在各领域的应用,消化内镜质量控制能否踏着这个科技浪潮进行一次全新的变革,智能化的质控管理方式如何在消化内镜领域提高质控效率及质量越来越受到关注。本文从消化内镜质量控制的现状和面临的问题出发,着重探讨了人工智能在消化内镜质量控制方面的应用现状和发展前景,为消化内镜质量控制的智能化发展提供了一种现实可行的构想。

人工智能在消化内镜领域的发展和应用

伴随着深度学习算法的出现,机器学习完全摆脱了人工提取数据特征低效和不精确的局限性,给人工智能(AI)的研究和发展带来了革命性的进步。在大数据的支持下,基于深度学习的AI系统对皮肤病变和糖尿病视网膜病变的图像已经具备与医学专家相同甚至更佳的识别能力,显现出辅助临床诊疗的潜力。基于深度学习的计算机辅助诊断(CAD)在消化内镜领域也受到越来越多的关注,结肠镜、上消化道内镜、胶囊内镜等内镜影像领域中卷积神经网络(CNN)具备很高的应用价值,在识别上消化道内镜图像的解剖部位、幽门螺杆菌(Hp)感染和胃癌,结肠息肉的检测与分类,炎症性肠病的监测,识别乳糜泻和钩虫病,小肠病变检出与运动特征分类等领域取得了突破性成果。与此同时,国内外学者也逐渐注意到消化内镜领域CAD开发过程中的信息孤岛、数据收集与标注规范性、患者隐私保护与数据安全等敏感问题,着手探讨制定CAD开发与运行的行业指导意见及规范以保证辅助诊断的准确性和临床适应性,促进行业的良性循环与可持续发展。本文就深度学习与CNN在消化内镜领域的研究现状作一综述,以期为我国智能化内镜的探索提供思路和参考。

【评论】人工智能和结肠镜检查:两项随机试验的经验教训

背景和目的:人工智能已被证明可以提高腺瘤检出率(ADR),ADR是结肠镜检查质量的主要替代指标。人工智能提高ADR是否与医师经验有关,尚不清楚。我们对人工智能与非专业内镜医师间进行了一项随机试验(AID-2),并将这些数据与之前发表的一项关于专业内镜医师的随机试验(AID-1)进行了比较。方法:在这项前瞻性、随机、对照、非劣效性试验(AID-2)中,10名非专业内镜医师(<2000次结肠镜检查操作)采用带或不带实时深度学习计算机辅助检测(CADe)系统的高清结肠镜设备(GI Genius,Medtronic)对40~80岁的连续受试者进行了筛查/监测/诊断性结肠镜检查。主要观察指标为ADR(以切除病灶的组织学结果为参考)。在一项事后分析中,将本次随机对照试验(RCT)的数据与之前AID-1 RCT的数据进行了比较,AID-1 RCT包含6名其他方面特征与非专业内镜医师相似的经验丰富的内镜医师。结果:660例患者【平均(62.3±10)岁;男性/女性,330/330】的研究参数分布均匀,CADe组的总体ADR高于对照组【53.3%vs.44.5%;相对风险(RR)=1.22;95%CI,1.04~1.40;非劣效性P<0.01;优越性P=0.02】。各次结肠镜检查的腺瘤数量、小的病变和远端病变也观察到了类似的结果。在检测非肿瘤性病变方面没有观察到差异。将这些数据与AID-1研究中的数据合并汇总后,经多变量分析发现,ADR差异与采用CADe相关(RR=1.29;95%CI,1.16~1.42),而与检查者的经验水平无关(RR=1.02;95%CI,0.89~1.16)。结论:在经验不足的检查者中,CADe辅助结肠镜检查增加了ADR和一些相关的息肉样病变的检出率。内镜医师的经验似乎对ADR起次要作用。