"The Lancet" dergisinde yayınlanan Çinli doktorlardan oluşan bir ekip | Üst gastrointestinal tümörler için yapay zeka destekli teşhis sistemi 6 hastane ile işbirliği içinde% 90'ın üzerinde bir hassas
Üst mide-bağırsak kanserleri (özofagus kanseri ve mide kanseri dahil) dünya çapında en yaygın kötü huylu tümörlerdir.
Ulusal Kanser Merkezi istatistiklerine göre, dünyadaki üst gastrointestinal kanserlerin (yemek borusu kanseri, mide kanseri vb. Dahil) yaklaşık% 50'si Çin'de meydana geliyor ve hastaların% 85'inden fazlası orta ve ileri evrelerde teşhis ediliyor ve bu da 400.000, ancak erken tespit edilebilirse, 5 yıllık sağkalım oranı% 90'ı geçebilir.
Bu zorluğun üstesinden gelmek için birçok ülke, dar bantlı görüntüleme ve konfokal lazer endoskopi gibi üst gastrointestinal endoskopi kılavuzlarını ve teknolojilerini formüle etmiş ve uygulamış, böylece erken üst gastrointestinal tümörlerin tespit oranını artırmıştır. Bununla birlikte, endoskopi sırasında, şüpheli üst gastrointestinal kanserin gözden kaçma riski, hasta sayısı az olan hastanelerde, gelişmemiş alanlarda veya uzak bölgelerde ve hatta endoskopinin sıklıkla uygulandığı ülkelerde bile yüksek olabilir.
Yapay zeka tıbbın çeşitli alanlarında büyük potansiyel göstermiştir Klinik olarak yapay zekanın endoskopide en önemli kullanımı tümör lezyonlarını neoplastik olmayan lezyonlardan ayırt etmeye yardımcı olmaktır. Üst gastrointestinal kanser teşhisinde yapay zekanın uygulanması cesaret verici ön sonuçlar yayınlamış olsa da, araştırma tasarımında iyileştirme ihtiyacı nedeniyle (tek merkezli çalışmalar, küçük örnekler ve retrospektif analizler gibi) klinik değeri nispeten küçüktür.
Bu nedenle, Sun Yat-sen Üniversitesi Kanser Merkezi direktörü, dekanı ve yöneticisi olan ve Güney Çin'deki Eyalet Anahtar Onkoloji Laboratuvarı direktörü Profesör Xu Ruihua, düzinelerce uzmandan oluşan bir ekibin multidisipliner ortak araştırma yürütmesine öncülük etti ve başarılı bir üst sindirim seti geliştirdi. Yapay zeka destekli sistem kanseri endoskopi tanı sistemi, üst gastrointestinal tümörleri tespit etmek için 6 hastaneden gerçek endoskopik görüntüleme verilerini kullanır.
Lei Feng.com, ekibin yapay zeka tanı platformunun, klinik uygulama verileriyle doğrulanan ve uzman olmayan endoskopistlerden daha üstün olan üst gastrointestinal tümörler için% 90'dan fazla tanısal duyarlılığa sahip olan GRAIDS olarak adlandırıldığını öğrendi.
Ekim 2019'da, "Üst Gastrointestinal Tümörlerin Yapay Zeka Gerçek Zamanlı Endoskopi ile Erken Teşhisi: Çok Merkezli, Vaka-Kontrol ve Teşhis Çalışması" ile ilgili araştırma sonuçları, dünyanın en iyi akademik dergisi "The Lancet Oncology" de resmi olarak çevrimiçi olarak yayınlandı. üzerinde.
Bu çok merkezli, vaka kontrolü ve teşhis çalışması Çin'deki altı hastanede gerçekleştirildi ve GRAIDS'in geliştirilmesi ve doğrulanması için Ulusal Sun Yat-sen Üniversitesi Kanser Merkezi'nin (Guangzhou) görüntüleme veritabanından geriye dönük olarak endoskopik görüntüler elde edildi. Ek olarak, ekip ayrıca rutin endoskopi için gerçek zamanlı olarak üst gastrointestinal kanserli lezyonları tanımlamak için bir CAD sistemi geliştirdi. CAD sisteminin kurulduğu bilgisayar doğrudan endoskopik cihaza bağlanır, böylece endoskopi sırasında tam otomatik yardımcı tanıya izin verir.
21 Temmuz 2018 tarihinden itibaren GRAIDS çevrimiçi olarak yayınlandı ve sysucc'nin (Sun Yat-sen Üniversitesi Kanser Merkezi) endoskopi uygulamasında kullanıldı.
Aşağıda, Leifeng.com'un AI Nuggets Akademik Grubu tarafından derlenen ve düzenlenen makalenin ayrıntılı içeriği yer almaktadır. AI Nuggets resmi hesabını takip edin ve orijinal PDF'yi almak için iletişim kutusundaki "Sun Yat-sen Üniversitesi" anahtar kelimesini yanıtlayın.
Giriş
Bu çok merkezli, vaka-kontrol ve teşhis çalışması, Çin'de farklı düzeylerdeki 6 hastanede gerçekleştirildi (Sun Yat-sen Üniversitesi Kanser Merkezi, Yuebei Halk Hastanesi, Wuzhou Kızıl Haç Hastanesi, Jiangxi Kanser Hastanesi, Puning Halk Hastanesi, Jieyang Halk Hastanesi) . Katılan tüm hastanelerden endoskopi yapılmamış ve çalışmaya katılmaya devam eden 18 yaş ve üzeri hastaların görüntüleri alındı. Histoloji tarafından malign tümörler olarak doğrulanan üst gastrointestinal tümörlü (özofagus kanseri ve mide kanseri dahil) tüm hastalar bu çalışmanın gereksinimlerini karşılar. Yalnızca standart beyaz ışığa sahip görüntüler nitelikli kabul edilir.
Graids tarafından geliştirilen eğitim ve dahili doğrulama veri setine Sun Yat-sen Üniversitesi Kanser Merkezi'nden görüntüleri rastgele (8: 1: 1) atarız ve dahili doğrulama veri seti GRAIDS performansını değerlendirmek için kullanılır. Teşhis performansı, Sun Yat-sen Üniversitesi Kanser Merkezi'nin (Ulusal Hastane) dahili ve ileriye dönük doğrulama seti ve 5 birincil hastaneden oluşan ek tamamlayıcı doğrulama seti kullanılarak değerlendirildi.
GRAIDS'in teşhis yetenekleri ayrıca üç farklı profesyonel seviyedeki endoskopistlerle karşılaştırıldı: uzman hekimler, gözetmen hekimler ve stajyerler. GRAIDS'in tanısal doğruluğu, duyarlılığı, özgüllüğü, pozitif öngörü değeri ve negatif öngörü değeri ve kanserli lezyonlar için endoskopi,% 95 CI hesaplamak için Clopper-Pearson yöntemi kullanılarak hesaplandı.
Bul
GRAIDS eğitimi ve doğrulaması için 84424 kişiden 1036496 endoskopik görüntü kullandık.
Üst gastrointestinal tümörlerin tanısal doğruluğu, dahili doğrulama setinde 0.955 (% 95 ci 0.952-0.957), prospektif doğrulama setinde 0.927 (0.925-0.929) ve 5 harici doğrulama setinde 0.915 (0.913-0.917) idi. 0.977 (0.977-0.978). GRAIDS'in tanısal duyarlılığı endoskopi uzmanlarınınkine benzerdir Genel endoskopi hekimleri ve intörnler ile karşılaştırıldığında tahıllar daha yüksek duyarlılığa sahiptir.
GRAIDS'in pozitif tahmin değeri 0.814 (% 95 ci 0.788-0.838), endoskopist 0.932 (0.913-0.948), genel endoskopist 0.974 (0.960-0.984), stajyer endoskopist 0.824 (0.795) -0.850). GRAIDS'in negatif tahmin değeri 0.978 (% 95 ci 0.971-0.984), endoskopistlerin negatif tahmin değeri 0.980 (0.974-0.985), genel endoskopistlerin negatif tahmin değeri 0.951 (0.942-0.959), endoskopi uygulaması Doktorun negatif tahmin değeri 0,904 (0,893-0,916)
yöntem
Endoskop ve görüntü kalitesi kontrolü
Tüm görüntüler yüksek çözünürlükte çekildi ancak farklı endoskoplar ve video sistemleri kullanıldı. Tüm üst gastrointestinal endoskopi görüntüleri, 6 hastanenin görüntü veri tabanlarında jpeg formatında saklanmaktadır. Yalnızca standart beyaz ışığa sahip görüntüler nitelikli kabul edilir. Lekeli görüntüler, dar bantlı görüntüler, duraklamalar nedeniyle düşük kaliteli görüntüler, bulanıklık, odak kaybı, mukus ve zayıf hava temizleme ve endoskopik olmayan görüntüler hariçtir.
Sysucc'den sekiz deneyimli endoskopist, her biri en az 5 yıllık deneyime ve 3000'den fazla denetime sahip tüm görüntülerin kalitesini değerlendirdi. Tüm üst gastrointestinal tümör lezyonları aynı endoskopist grubu tarafından manuel olarak işaretlendi. Her bir kanser odağının sınırlarını dikkatlice işaretlediler. Anatomik konumda patoloji raporu ile eşleşmeyen endoskopik görüntüler atıldı.
Kalite kontrol, işaretleme ve tasvir için 6 hastaneden aynı sayıda görüntüyü 4 deneyimli endoskopist grubuna (her grupta 2 endoskopist) tahsis ettik. Aynı gruptaki iki endoskopist işaretleme ve tasvir etme konusunda işbirliği yaptı. Eskiz işlemi sırasında, bir endoskopist eskiz işlemini başka bir endoskopistin gözetiminde gerçekleştirdi. Sadece aynı gruptan iki endoskopist bir fikir birliğine vardığında, görüntü seçimi, işaretleme ve tasvir sonlandırıldı.
GRAIDS algoritması geliştirme
Sysucc'den gelen görüntüler (8: 1: 1) GRAIDS geliştirme için eğitim ve dahili doğrulama veri setine ve GRAIDS performans değerlendirmesi için dahili doğrulama veri setine rastgele atandı. GRAIDS algoritması, DeepLabın V3 + konseptine dayanır ve bir kodlayıcı ve kod çözücü modülü içerir. Modelin bir girişi ve iki çıkışı vardır Model, üst sindirim sisteminin endoskopik görüntüsünü girer.
İlk çıktı, girdi görüntüsünün tümör içerip içermediğini belirlemek için standart iki sınıflı bir sınıflandırma görevidir. İkinci çıktı, giriş görüntüsünün tümör alanını işaretleyen bir segmentasyon görevi uygular. Dört endoskopi grubunun (her grup iki endoskopistten oluşur) işaretleme ve tanımlama verileri, eğitim numuneleri için altın standart olarak kullanılır. Öğrenme eğrisi, görüntü sınıflandırma etkisini temsil etmek için kullanılır ve çapraz birleşim (IOU), modelin görüntü bölümleme performansını temsil eder.
GRAIDS algoritması doğrulaması
GRAIDS'in üst gastrointestinal tümörlü hastaları tanımlamadaki performansını doğrulamak için ilk olarak dahili doğrulama veri setini ve sysucc'den prospektif doğrulama veri setini kullanıyoruz. Daha sonra, her biri az sayıda üst gastrointestinal kanser hastası olan GRAIDS'in sağlamlığını değerlendirmek için katılan beş hastaneden harici doğrulama veri setlerini kullandık.
Daha fazla performans değerlendirmesi için, prospektif doğrulama setinden histolojik olarak doğrulanmış üst gastrointestinal tümörleri olan hastaların görüntülerinin bir alt kümesini rastgele seçtik. Farklı uzmanlık derecelerine sahip üç endoskopistin (uzmanlar, gözetmenler ve stajyerler) aynı test görüntüsü tespitini bağımsız olarak tamamlamaları ve sonuçlarını GRAIDS sonuçlarıyla karşılaştırmaları istendi.Hasta popülasyon bilgileri ve nihai histopatolojik sonuçlar karşılaştırıldı Görünmezler.
Üç endoskopistten hiçbiri görüntülerin seçimine ve işaretlenmesine katılmadı ve bu görüntüler de endoskopi ekibi onları değerlendirmeden önce karıştırıldı ve işaretsiz kaldı. Endoskopi uzmanı, endoskopide 10 yıldan fazla deneyime sahip bir profesördür. Genel endoskopi hekimi, 5 yıldan fazla deneyime sahip, klinik ve spesifik endoskopi eğitimini tamamlamış bir hekimdir. Endoskopi stajyeri, iki yıllık endoskopi deneyimine sahip yerleşik bir doktordur.
istatistiksel analiz
Kanserli lezyonların ayırıcı tanısı için tahılların doğruluğunu, duyarlılığını, özgüllüğünü, pozitif tahmin değerini (ppv) ve negatif tahmin değerini (npv) değerlendirmek için% 95 CI hesaplamak için Clopper-Pearson yöntemi kullanıldı. ROC eğrisini, derin öğrenme algoritmalarının üst gastrointestinal kanser hastalarını normal insanlardan ayırt etme yeteneğini göstermek için kullanıyoruz. Tahmin olasılık eşiğini değiştirerek, gerçek pozitif vakaların oranının (duyarlılık) ve yanlış pozitif vakaların oranının (1-özgüllük) ROC eğrisi çizilir. ROC eğrisinin altındaki alan ne kadar büyükse, teşhis etkisi o kadar iyi olur. Tüm istatistiksel testler iki taraflıdır ve anlamlılık düzeyi 0,05'tir. İstatistiksel analiz r yazılım versiyonu 3.5.1 ile yapıldı.
sonuç
12 Ocak 2009'dan 30 Eylül 2017'ye kadar, 20.352 katılımcıdan 314726 görüntü Sysucc'un üst gastrointestinal endoskopi görüntüleme veritabanından elde edildi (Şekil 1). 1587 vaka (% 7,8) net olmayan patolojik tanı ve net olmayan patolojik raporlar nedeniyle çalışma dışı bırakıldı. Kalite kontrol değerlendirmesinden sonra, 178.282 görüntünün 21.075'i (% 11.8), kalitesiz endoskopik olmayan görüntüler olduğu veya anatomik lokasyondaki patoloji raporu ile tutarsız oldukları için atıldı. Kanser hastaları için, çalışmaya sadece kanser lezyonlarının görüntüleri (n = 39462) dahil edildi. Kansersiz katılımcılar için 117.745 resim kontrol grubu olarak kullanıldı (Şekil 1). Prospektif doğrulama veri seti için 21 Temmuz 2018'den 20 Kasım 2018'e kadar 4317 kanser görüntüsü ve 62.433 kontrol görüntüsü prospektif olarak Sysucc'de toplandı ve etiketlendi.
Katılan diğer beş hastanede 21 Temmuz 2018 ile 20 Kasım 2018 tarihleri arasında Yuebei Halk Hastanesinden 2439 kanser ve 73015 kontrol görüntüsü, Wuzhou Kızıl Haç Hastanesinden 5244 kanser ve kanser görüntüsü alındı. Jiangxi Kanser Hastanesinden 197588 kontrol görüntüsü, 9712 kanser ve 112185 kontrol görüntüsü, Puning Halk Hastanesinden 7095 kanser ve 2.86095 kontrol görüntüsü ve Jieyang Halk Hastanesinden 4173 kanser ve 114993 kontrol görüntüsü elde edilmiştir.
GRAIDS'i geliştirmek ve test etmek için toplamda 84.424 kişiden 1.036.496 endoskopik görüntü kullanıldı.
Üst gastrointestinal tümör prevalansı eğitim grubunda% 50,2 (15040 hastadan 7557'si), dahili doğrulama grubunda% 51,0 (1839 hastadan 938'i) ve dahili doğrulama grubunda (1886 hasta)% 50,8'dir. 959 hasta), prospektif doğrulama grubunda% 32.0 (1794'ün 574'ü). Jiangxi Kanser Hastanesi harici doğrulama grubunun% 9,2'si (7948634 vaka), Yuebei Halk Hastanesi% 9,5 (390 vaka 4109 hasta), Wuzhou Kızıl Haç Hastanesi% 4,8 (17.239 hastadan 830 vaka), Puning Peoples Hospital% 3,8 (26.143 hastanın 993'ü), Jieyang Halk Hastanesinin% 7.2'si (7686 hastadan 552'si) (Tablo 1). Üst gastrointestinal tümörlerin ayrıntılı evreleme bilgileri yalnızca ileriye dönük doğrulama setinde görülebilir.
176 dönemden sonra (tüm eğitim setinin yinelemeleri), iki görevin ve ikinci görevdeki IOU'nun doğruluğu ve çapraz entropi kaybı nedeniyle eğitim süreci sona erer. Üst gastrointestinal kanser için tahmin edilen GRAIDS alanı, endoskopistin işaretli alanıyla oldukça tutarlıdır. Dahili doğrulama setinde medyan IOU 0,737 idi (IQR 0,5790,848).
GRAIDS, 7 doğrulama setinin tümünde üst gastrointestinal tümörü olan hastaları doğru bir şekilde tanımladı (Tablo 2). Dahili sysucc doğrulama veri setindeki tanısal doğruluk 0.955 (% 95 ci 0.952-0.957) ve prospektif sysucc doğrulama veri setinde 0.927 (0.925-0.929) idi. Harici doğrulamanın merkezileştirilmiş doğruluk oranları: Jiangxi Kanser Hastanesi 0.915 (% 95 CI 0.913-0.917), Yuebei Halk Hastanesi 0.949 (0.947-0.951), Wuzhou Kızıl Haç Hastanesi 0.977 (0.977-0.978), Puning People's Hospital 0.970 (0.969-0.971), Jieyang Şehri Halk Hastanesi 0.947 (0.946-0.948). Her doğrulama setindeki tahılların duyarlılığı, özgüllüğü ve npv'si 0,90'dan yüksekti. Ppv, Yuebei Halk Hastanesinin 0.384 (% 95 ci 0.372-0.396) ile 0.889 (0.878-0.899) sysucc arasında değişiyordu (Tablo 2), ancak tüm doğrulama veri setlerinde, yanlış pozitif oranı% 10'dan azdı. Sysucc'un dahili doğrulama kohortunda ve prospektif kohortunda, yanlış pozitiflerin en yaygın nedenleri normal anatomi (kardia, pilor ve köşeler) ve peristalsis sırasında mide duvarının yükselmesidir.
Benzer şekilde, beş harici doğrulama veri setindeki AUC değerleri de yüksektir (0,966 ila 0,990 aralığında; Şekil 2).
Graids ve endoskopistlerin 4.532 görüntünün bir alt kümesini (1102 kanser görüntüsü ve 3430 kontrol görüntüsü) ileriye dönük doğrulama kümesinden ayıran test sonuçları Tablo 3'te gösterilmektedir. GRAIDS'in üst gastrointestinal tümörler için tanısal doğruluğu 0,928'dir (% 95 ci 0,919-0,937). Endoskopide uzman endoskopinin doğruluğu 0,967'dir (% 95 ci 0,961-0,973; p
Buna karşılık, farklı düzeylerdeki endoskopistlerin duyarlılığı büyük ölçüde değişir.GRAIDS'in duyarlılığı endoskopistlerin duyarlılığına benzer (0.942'ye karşı 0.945; p = 0.692) ve genel endoskopistlerinkinden (0.858; p
GRAIDS'in ppv'si 0,814'tür (% 95 ci 0,788-0,838) ve bu, endoskopi uzmanlarından önemli ölçüde daha düşüktür (0,932; p
Bununla birlikte, GRAIDS, endoskopistler tarafından yanlış sınıflandırılan çoğu kanser görüntüsünü belirleyebildi (endoskopistler için 61'de 43, genel endoskopistler için 157'de 133 ve endoskopistler için 306'da 266). ; resim 3). GRAIDS ile birlikte kullanıldığında, uzmanın hassasiyeti sayısal olarak önemli ölçüde artar (0,984, p
Tarafımızdan geliştirilen GRAIDS algoritması saniyede 118 görüntüyü (görüntü başına 8 milisaniye) analiz edebilir ve 40 milisaniyeden daha az bir gecikmeyle gerçek zamanlı video analizi sırasında saniyede en az 25 görüntü işleyebilir.
Ek olarak, rutin endoskopi için gerçek zamanlı olarak üst gastrointestinal kanserli lezyonları belirlemeye çalışmak için bilgisayar destekli bir tespit (CAD) sistemi geliştirdik. CAD sisteminin kurulduğu bilgisayar doğrudan endoskopik cihaza bağlanır ve endoskopi sırasında tam otomatik tanı yardımına izin verir.
Şekil S5B ve videolar 1-4, endoskopi sırasında kanseri gerçek zamanlı olarak tanıyan bir CAD sistemi örneğini gösterir. Şekilde gösterildiği gibi, GRAIDS kötü huylu bir lezyonu algıladığında, CAD sistemi lezyonun sınırını mavi renkte gösterildiği gibi böler ve endoskopisti ekranın sağ üst köşesinde kötü huylu lezyon olasılığı konusunda uyarır. Lezyon ekrandan kaybolduğunda, segmentasyon ve uyarı sinyalleri aynı anda durur.
Üst gastrointestinal endoskopiye ihtiyaç duyan hastalar için bulut tabanlı çok kurumlu bir yapay zeka platformu oluşturduk. Platform, iki önemli klinik uygulama sağlar: Görüntü tespitini hızlandırmaya ve malign lezyon tanımanın doğruluğunu artırmaya yardımcı olmak için endoskopik cerrahi sırasında üst gastrointestinal tümörlerin ilk olarak gerçek zamanlı tespiti. İkinci olarak, şüpheli vakaları incelemeden sonra yeniden değerlendirmek için statik görüntülerin saklanması, böylece yanlış tanı konulan ve gözden kaçan malign tümör riskini azaltmaya yardımcı olur.
Ek olarak, GRAIDS'e ücretsiz erişim için bir web sitesi de sağlıyoruz. Klinisyenler ve hastalar endoskopik görüntüleri yükleyebilir ve GRAIDS ikinci bir inceleme yapacaktır. Web sitesi ayrıca, endoskopi hekimlerinin endoskopi-yapay zeka destekli tıbbi görüntüleme alanında eğitmeleri ve araştırmacıları eğitmesi için yararlı bir kaynak olacak açık erişimli bir endoskopik görüntü veri tabanı sağlar.
tartışmak
Bu araştırmada yapay zeka temelli bir üst gastrointestinal tümör teşhis sistemi oluşturmak için derin öğrenme anlamsal segmentasyon modeli kullandık. Sistem eğitilmiş ve 84424 kişiden alınan 1036496 endoskopik görüntüyle doğrulanmıştır. Altı hastanede endoskopik tanı alan farklı sayıda üst gastrointestinal tümör hastası vardır. Graids, geçmiş depolama görüntüleri ve üst gastrointestinal tümörlerin olası görüntü tespiti sürecinde yüksek doğruluk, duyarlılık ve özgüllüğe sahiptir.
Üst gastrointestinal tümörlerin endoskopik teşhisi özneldir ve büyük ölçüde doktorun becerilerine ve deneyimine bağlıdır. Dar bant görüntüleme, konfokal lazer endoskopi ve mavi lazer görüntüleme, kanserli ve kanserli olmayan lezyonları ayırt etme potansiyeline sahiptir, ancak bunların klinik uygulamaları, optik görüntü yorumlaması için gereken kapsamlı eğitim ve uzmanlık nedeniyle sınırlıdır.
Buna karşılık GRAIDS ek eğitim gerektirmez ve uzman olmayan düzeydeki doktorların endoskopi becerilerini geliştirebilir (genel hekimler için 0,858'den 0,978'e, stajyerler için 0,722'den 0,964'e) ve uzman düzeyine (0,967) yükseltebilir. Bu nedenle, Çin veya sınırlı kaynaklara sahip gelişmekte olan ülkeler için GRAIDS, kentsel ve kırsal tıbbi kaynakların eşit olmayan dağılımı altında ulusal hastaneler ile birinci basamak hastaneleri arasındaki kanser teşhisi düzeyindeki boşluğu kapatmaya yardımcı olabilir.
GRAIDS'in ppv'si, uzmanların ve sıradan endoskopistlerin ppv'sinden daha düşüktür GRAIDS ve üç farklı endoskopist seviyesinin kombinasyonu, ppv'yi azaltabilir. Mevcut gerçek zamanlı endoskopide GRAIDS, bir endoskopist tarafından ana hatlarıyla belirtilmeyen şüpheli kanser lezyonlarını tespit edecek ve bu da yanlış pozitif riskini daha da artırabilir. Bununla birlikte, GRAIDS'in yanlış pozitifinin ana nedeni pilor, mide açısı, mukus gibi normal yapıların veya bileşenlerin yanlış teşhisi ve peristalsis sırasında mide duvarının yükselmesidir. Bu normal yapılar veya değişiklikler endoskopistler tarafından kolaylıkla tanınabildiğinden, uygulamada yanlış teşhis önlenebilir.
Bu nedenle, gerçek zamanlı endoskopide endoskopistler muayene için GRAIDS kullandığında, yanlış pozitif vakaların oranının hesaplanan değerden daha düşük olacağını tahmin ediyoruz. Ek olarak, GRAIDS'in yüksek duyarlılığı nedeniyle, kanser lezyonlarının kaçırılma riskini azaltabilir, böylece kanser erken teşhis edilebilir ve ayrıca üst gastrointestinal kanser tedavisinin yüksek maliyetini de azaltabilir.
Mevcut üst gastrointestinal endoskopi araştırmaları, aynı seviyedeki hastanelerde geriye dönük, küçük örneklem büyüklüğü, tek hastalık araştırması ve tek kurum araştırmasının eksiklikleri nedeniyle durmuştur. Karşılaştırıldığında, GRAID, farklı hastane düzeylerinden gelen verilerle bir milyondan fazla görüntüden oluşan bir sıra kullanılarak geliştirilmiş ve doğrulanmış ve altı retrospektif doğrulama setinde üst gastrointestinal tümörleri tespit etmede yüksek doğruluk (0.915-0.977) göstermiştir. Bu, gerçek senaryolarda sistemin çok yönlülüğünü güçlü bir şekilde gösterir. Ek olarak, 40 milisaniyeden daha az görüntüleme gecikmesi, görüntü algılamada mevcut modellerden daha etkili olmasını sağlar (saniyede 118 görüntüye karşı 41 × 425 ve 48 × 926 görüntü / saniye).
GRAIDS'in üst gastrointestinal tümörleri tespit etmedeki doğruluğu ve etkinliğine dayanarak, endoskopik cerrahi ve postoperatif görüntüleme tespitinde hızlı ve doğru gerçek zamanlı yardım sağlamak için bulut tabanlı çok kurumlu bir yapay zeka platformu oluşturduk.
Ayrıca hastalara ve klinisyenlere endoskopik görüntülerin tespitini hızlandırmak için ücretsiz teletıp yardımı sağlamak için kullanıcı dostu bir web sitesi kurduk. 19 Temmuz 2017 itibariyle, tümör yönetiminde ulusal hastaneler ile birincil hastaneler arasındaki boşluğu ortadan kaldırmak için Çin Güney Kanser Birliği (ccsca) kuruldu.
Şu anda GRAIDS, sysucc ve tarama merkezinin endoskopik klinik iş akışında rutin olarak kullanılmaktadır ve gerçek zamanlı olarak değerlendirilmektedir.Ccsca'nın diğer ortak hastaneleri yakında GRAIDS'i uygulayarak ücretsiz yapay zeka destekli üst gastrointestinal tümör taraması ve teşhisi sağlayacaktır. koridor.
Bu çarpıcı sonuçlara rağmen, GRAIDS'in altını çizmeye değer bazı sınırlamaları vardır.
İlk olarak, bu çalışmada sadece beyaz ışık görüntüleri kullanılmıştır çünkü bunlar rutin denetimler için ve sınırlı kaynaklara sahip alanlarda kullanılmaktadır.
İkinci olarak, eğitim setinin ve harici doğrulama setinin geriye dönük etiketlenmesi, belirli bir derecede seçim sapmasına yol açabilir, ancak ileriye dönük doğrulama seti, bu sınırlamanın belirgin olmayabileceğini göstermektedir.
Üçüncüsü, aynı video dizisindeki farklı konumlardan görüntüleri işlemek için belirli bir yöntem kullanmadık, bu da bazı sapmalara neden olabilir. Yine de GRAIDS, katılan hastanelerde tatmin edici bir doğruluk gösterdi ve böylece sistemin evrensel uygulanabilirliğini kanıtladı.
Dördüncüsü, GRAIDS'in tanısal etkisini incelemek için eğitim setinde ve doğrulama setinde yalnızca yüksek kaliteli endoskopik görüntüler kullanılır.
Beşinci olarak, klinik uygulamada GRAIDS, büyük bir Çin kohortu tarafından eğitilmiş ve doğrulanmıştır, ancak diğer popülasyonlardaki etkinliği araştırılmayı beklemektedir.
Kısacası, farklı seviyelerdeki hastanelerden alınan çeşitli endoskopik görüntüleri kullanan yapay zeka tabanlı bir sistem geliştirdik.Üst gastrointestinal kanseri yüksek doğrulukla teşhis edebiliyor.Duyarlılığı endoskopi uzmanlarına yakın ve daha iyi Endoskopi genel hekimi. GRAIDS, uzman olmayan endoskopistlere, teşhis doğruluğunu uzmanlarınkine yakın bir seviyeye yükseltmeleri için yardımcı olabilir. Ayrıca GRAIDS, üst gastrointestinal tümörlerin teşhisinin ve taranmasının etkinliğini artırabilir. Lei Feng
