新的人工智能系统可以准确评价内镜下溃疡性结肠炎的表现

赴美治疗服务机构和生元国际了解到，溃疡性结肠炎(UC)是一种炎症性肠病，通常通过内镜和组织学对患者进行评估。但是现在，来自日本的研究人员开发了一种系统，它可能比现有的方法更精确，并可能减少这些病人接受侵入性医疗程序的需要。

在今年2月发表在《胃肠病学》杂志上的一项研究中，来自东京医科大学(TMDU)的研究人员揭示了一种新开发的人工智能(AI)系统，该系统可以评估UC的内镜检查结果，其准确度相当于内窥镜专家的水平。

准确的评估是为UC患者提供最佳护理的关键。以前的研究表明，内镜缓解(通过内镜手术评估)和组织学缓解(通过显微镜下炎症的程度来评估)都可以预测患者的预后，因此经常被用作治疗目标。然而，观察者内部和观察者之间的差异在内窥镜和组织学分析中都存在，而组织学分析常常需要通过活检收集组织，这是一种侵入性的、昂贵的方法。

内窥镜图像的解释是主观的，基于个体内窥镜医师的经验，因此，标准化的评价和实时的表征具有挑战性。为了解决这个问题，我们试图开发一个深度神经网络(DNN)系统，用于对UC (DNUC)患者的内镜图像进行一致、客观、实时的分析。”Takenaka是这项研究的主要作者

为了做到这一点，研究人员开发了一个含有DNNs的系统来评估UC患者的内镜图像。DNNs是一种基于人工神经网络构建的人工智能机器学习方法。

“我们构建了DNUC算法，使用了2012年UC患者的40758张结肠镜检查图像和6885份活检结果，”资深作者Mamoru Watanabe说。“这包括了机器学习的训练集，它使算法能够准确地评估和分类数据”。

随后，研究人员使用了来自875名UC患者的4187张内镜图像和4104份活检标本，验证了DNUC算法的准确性。

竹中说:“我们发现DNUC达到了与内窥镜专家相当的精确度。”因此，我们的系统能够预测UC的组织学缓解，仅使用内镜图像，而不是组织学和内镜数据。考虑到活检的成本和风险，这是一项重要的进展。”

DNUC可能能够识别处于缓解期的UC患者，而不需要对他们进行活检收集和分析。这可以为医疗机构节省时间和金钱，并限制对UC患者的侵入性医疗程序的暴露。