diagnostic

搜索
登录

diagnostic

文章数：3篇

人工智能辅助结直肠息肉光学诊断

窄带成像（NBI）可用于判断结直肠息肉是腺瘤还是增生。最新发表在Gastroenterology的研究旨在探索人工智能（AI）系统是否可以提高不同技术水平内窥镜医师对息肉特征判断的准确性。该研究开发了卷积神经网络（CNNs），用于评估小型结直肠息肉。使用来自1379位患者的1100个腺瘤性息肉和1050个增生性息肉图像来训练CNN，接着对该系统进行测试，并比较不同技术水平的内窥镜医师（新手、专家、经NBI培训的专家）与CNN对180例腺瘤和120例增生性息肉图像评估的准确性。随后，内窥镜医师根据CNN处理结果评估息肉图像。该研究发现CNN系统对腺瘤性和增生性小息肉的辨别准确率高于内窥镜医师总体辨别准确率。内窥镜医师在CNN评价的基础上进行辨别，整体准确率显著提高，尤其是新手内窥镜医师，在没有经过额外训练的情况下，其辨别准确率可接近专家水平。此外，CNN处理结果显著减少内镜师诊断时间，由3.92秒/息肉降至3.37秒/息肉。该CNN辅助系统可以降低内窥镜医师的技术水平依赖性和成本。

结直肠癌 Deep learning colorectal cancer cancer screening diagnostic

利用人工智能评估溃疡性结肠炎

近期研究表明，人工智能(AI)和深度学习在各种医疗和内窥镜领域可能存在作用。Gastroenterology发表的文章，试图开发一种基于内镜下UC图像的深度神经网络系统(DNUC)，以达到与内窥镜专家同等的准确评估水平。此外，该研究的目标是创建一个AI系统来预测内镜图像的组织学缓解，以降低活检的成本和固有风险。结果表明，用DNUC评估来自UC患者的内镜图像，识别那些内镜缓解和组织学缓解的准确率分别为90.1%和92.9%。因此，DNUC可以在不需要粘膜活检采集和分析的情况下识别缓解患者。

人工智能 Mucosal healing Artificial intelligence IBD diagnostic

FIT阴性者是否需要额外结肠镜检查？

粪便免疫化学检测（FIT）广泛应用于人群的结直肠癌（CRC）筛查，但目前尚不清楚结肠镜检查是否对FIT呈阴性的人有任何益处。最新发表在Clinical Gastroenterology and Hepatology的研究旨在调查结肠镜检查对无症状、平均风险、FIT阴性人群的CRC筛查效果。对2008-2014年接受过结肠镜检查，最初粪便免疫检测（FIT）结果呈阴性的50-75岁的96804名受试者进行回顾性队列研究，发现结肠镜检查确诊的CRC比率为0.14%，与增加的FIT阴性结果无关。两年内做过FIT的受试，其CRC发病率远低于两年内未做过FIT的受试。且年龄越大，CRC发病率越高。因此，该研究认为，对无症状、低风险、FIT筛查为阴性者，进行额外结肠镜检测收益不大。

结直肠癌 Incidence Risk factors diagnostic colon cancer