NSR投资速递| 新丝路资本投资项目“影诺医疗”人工智能辅助系统在消化性溃疡出血Forrest分级评估中的多中心诊断研究
发布者： 发布于：2024年07月08日 18:00:46 点击量：0
《Endoscopy》期刊（IF: 9.3）近期发表了一项关于人工智能（AI）辅助系统在消化性溃疡出血（PUB）Forrest分级评估中的应用研究，该研究由中国人民解放军联勤保障部队第900医院王雯教授团队牵头进行。这项多中心诊断研究利用深度学习技术，开发了一种AI系统，用于辅助医生对PUB进行Forrest分级评估。该系统的应用不仅提高了诊断的准确性，还为临床决策提供了有力支持
消化性溃疡出血（PUB）作为一种常见的临床紧急情况，具有潜在的死亡风险，其准确快速的诊断对于患者的治疗和预后至关重要。
Forrest分级作为评估PUB内镜表现的重要工具，对于预测复发性PUB、指导内镜治疗和评估外科治疗效果具有重要价值。
然而，由于内镜医师对PUB的Forrest分级存在不同的解读，导致了诊断的不一致性，这在临床实践中是一个亟待解决的问题。研究表明，超过25%的病例在溃疡特征的分类上存在不一致，这在高风险患者中可能显著影响临床结果。
为了克服这一挑战，本研究团队将目光投向了AI技术领域。利用深度卷积神经网络（DCNN）开发了一种用于辅助医生对PUB进行Forrest分级评估的AI系统。
通过组织学检查确认的良性消化性溃疡出血（PUB）的内镜数据。 图像质量差，例如存在过多粘液、气泡、胆汁、食物残渣、模糊、暗淡、失焦、模糊或光晕等现象。 恶性溃疡。 胃手术史。 在本研究中，所有图像和视频的质量评估与分级工作由五位资深内镜医师负责，这些医师均拥有至少15年的执业经验和超过20,000次的胃镜检查经验。对于每一幅图像和视频，Forrest分级的诊断只有在至少三位医师达成共识时才被视为最终确认，确保诊断结果的准确性和一致性。 根据Forrest分级系统，符合条件的溃疡病变被细致地分为六个类别：Ia、IIb、IIa、IIb、IIc和III。每位内镜医师对训练和验证数据集中的每个溃疡病灶边界进行了精确标记。这些注释被视为规范标准。 DCNN系统基于YOLOv7模型构建（厦门影诺医疗科技有限公司），该模型能够提取多尺度特征，并通过内部和外部数据集的验证，证明了其性能和鲁棒性。然后在特定的特殊条件下进行测试以验证系统有效性，如两次内镜检查的复发性出血；内镜冲洗前后的出血病变；内镜冲洗前伴有粘附凝块的溃疡病变，内镜冲洗后粘附凝块较少等，并做前瞻性验证。 将所有前瞻性内镜测试图像的顺序打乱，且通过问卷调查的方式指导内镜医师对这些图像进行Forrest分级判断； 要求内镜医师1周后在DCNN系统辅助下再次对相同的前瞻性图像进行分级； 将内镜医师的诊断性能与DCNN系统进行比较。 研究结果 内部验证集中，DCNN系统在Forrest分级评估中的准确性达到了92.0%，宏平均AUROC为0.80。 外部验证集中，DCNN系统在Forrest分级评估中的准确性为89.9%，宏平均AUROC为0.78。 前瞻性视频验证中，DCNN系统在46个内镜视频中展示了实时诊断中的准确性，达到了92.0%。 在前瞻性内镜图像测试中，DCNN系统每张图像的诊断时间仅为13毫秒，而内镜医师则需要约5.9秒。DCNN系统在Forrest分级的诊断准确性上达到了91.3%，略优于资深内镜医师，显著优于初级内镜医师。特别是在Forrest IIa和IIb的分级上，DCNN系统的帮助显著提高了初级内镜医师的诊断准确性。 a.Forrest Ia（喷射样出血） b.Forrest Ib（活动性渗血） c.Forrest IIa（血管显露） d.Forrest IIb（附着血凝块） e.Forrest IIc（黑色基底） f.Forrest III（基底洁净） 在进一步的稳定性评估中，利用视频测试数据集中的100张内镜图像，对内镜医师的诊断一致性进行了深入分析。 结果显示：低年资内镜医师的观察者间一致性（kappa系数0.54-0.64）尚有提升空间，与高年资内镜医师的高水平一致性（kappa系数0.78-0.82）相比存在一定差距。 同样，在观察者内一致性方面，低年资医师（kappa系数0.68-0.78）也不如高年资医师（kappa系数0.85-0.89）稳定。值得注意的是，DCNN系统在诊断过程中表现出了极高的一致性，这不仅验证了其在诊断准确性上的卓越表现，也凸显了AI在提高诊断稳定性方面的潜力。 总结 不同的内镜医师可能对同一PUB给出不同的Forrest分级。研究中发现，即使是经验丰富的内镜医师，在Forrest分级的诊断上也存在差异。AI系统的引入，不仅提高了诊断的准确性，还显著提高了诊断效率。 该DCNN系统在评估PUB的Forrest分级中表现出令人满意的诊断性能，略优于资深内镜医师，可以显著提升低年资内镜医师诊断的准确率和一致性。此外，DCNN系统的应用还有助于提高内镜医师的诊断效率，减少诊断时间，并降低内镜培训的成本，缩短学习曲线。 参考文献： Xiao-Jian, He,Xiao-Ling, Wang,Tian-Kang, Su et al. Artificial intelligence-assisted systemfor the assessment of Forrest classification of peptic ulcer bleeding: a multicenterdiagnostic study.[] .Endoscopy, 2024,56:0.PMID:38412993 D01:10.1055/a-2252-4874 关于影诺医疗 （文：转自影诺医疗官微）
上一篇：NSR投资速递| 新丝路资本投资项目“迪视医疗”重塑光明未来｜2024眼底病学术交流会议暨国际视网膜研讨会精彩回顾
