准确诊断炎症性肠病相关肿瘤的新AI模型

炎症性肠病(IBD)——一种以胃肠道(GI)的慢性炎症为特征的顽固性疾病——在日本的发病率显著增加。与IBD相关的慢性炎症常导致结直肠癌的发展。

对于有明显或低级别发育不良(细胞生长异常，但可能不是恶性的)的患者，内镜切除，一种用于切除的技术恶性病变，通常采用结肠镜检查。然而，对于肿瘤发生率高(恶性细胞生长严重)的患者，全直肠切除术即完全切除结肠和直肠是标准的治疗方法，这对他们的生活质量非常不利。

因此，在进行治疗之前，在诊断期间确定肿瘤的严重程度和等级是必不可少的。不幸的是，结直肠区域炎症的存在使得内窥镜医生很难对IBD瘤变(IBDN)的类型进行分类。这使得活检成为唯一可行的选择，这与高风险相关，往往导致不准确的诊断，突出需要更简单的诊断技术和更高的准确性。

为此，冈山大学医学院的一组研究人员，包括助理教授Kinugasa Hideaki，博士Shumpei Yamamoto，教授Sakiko Hiraoka和Yoshiro Kawahara进行了一项研究试点研究开发一种能够准确分类IBDN病变的人工智能(AI)系统。此外，作为这项研究的一部分，发表在胃肠病学和肝病学首先是在2022年5月29日，他们比较了内窥镜医生的诊断能力和新的人工智能系统的诊断能力。

首先，该团队使用一种传统的神经网络(CNN)——一种用于视觉图像分析的神经网络——被称为Efficient-Net-B3——来开发人工智能系统的原型。他们使用2003年至2021年间来自两家医院的IBD患者的99个IBDN病变的862个内镜图像训练该系统，并使用深度学习框架对其进行验证。接下来，他们询问了有8年以上经验的内窥镜医生胃肠内镜对图像进行分析，根据是否需要切除直肠，将病变分为两类，并与ai系统的分类进行比较。

作为数据增强的结果，ai系统从原始数据集中生成了大约600万张图像，然后用于分析患者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都有溃疡性结肠炎-一种IBD类型，95%以上表现为肠炎和左侧结肠炎。此外，ai系统显示了基于图像的诊断能力，灵敏度为64.5%，特异性为89.5%，准确性为80.6%;基于病变的诊断能力，灵敏度为74.4%，特异性为85%，准确性为80.8%。有趣的是，AI系统的正确诊断率为79.0，而内窥镜医生的正确诊断率为77.8。

“我们的ai系统原型在确定ibd肿瘤的恶性程度方面被证明是成功的，有足够的价值来贡献临床实践Kinugasa助理教授说。

研究小组还强调，将这种基于人工智能的肿瘤病变自动诊断与现有的内镜诊断技术相结合，可能会提供实时的更好的诊断结果。

在讨论该系统的额外优势和实际应用时，Kinugasa助理教授补充说:“使用这种人工智能系统可以确保内窥镜医生不会误诊IBD肿瘤病变，患者得到及时的治疗，更合适的治疗策略被开发和应用于IBD的早期和晚期。”

---

---