For nylig demonstrerer et nyt klinisk forskningsresultat offentliggjort i The Lancet Gastroenterology & Hepatology af Hu Corps-teamet fra West China Hospital ved Sichuan University den fremragende ydeevne af AI til diagnosticering af kræft i spiserøret: endoskopisk undersøgelse assisteret af AI-system i realtid kan gøre lækagehastigheden af overfladisk esophageal pladecellekarcinom og præ-cancerøse læsioner falder dramatisk sammenlignet med konventionel undersøgelse, hvilket betyder, at AI kan medføre en ændring i tidlig diagnose og tidlig screening for esophageal cancer!
Som andre fordøjelseskræftformer har kræft i spiserøret ikke tydelige kliniske symptomer i det tidlige stadie, og når patienterne diagnosticeres med typiske symptomer såsom synkebesvær, er de ofte i det midterste eller sene stadie, og behandlingsvalgene er begrænsede. prognosen er ret utilfredsstillende, hvilket også er hovedårsagen til, at den 5-årlige overlevelsesrate for kræft i spiserøret lå omkring 20 % i lang tid, og måden at bryde situationen på er naturligvis at indse tidlig diagnose og tidlig behandling.
Antallet af nye tilfælde af kræft i spiserøret i Kina tegner sig for mere end halvdelen af de globale tilfælde, så kampen mod kræft i spiserøret er også en nøgleretning for kliniske medarbejdere. Med populariseringen af gastrointestinal endoskopiteknologi i de senere år er andelen af spiserørskræftpatienter diagnosticeret på et tidligt stadium i Kina steget til omkring 40 % [2], men endoskopisk diagnose af spiserørskræft i tidligt stadie er ikke enkel, da den subtile endoskopiske træk ved kræftlæsioner i det tidlige stadie, forskelle i lægers genkendelsesevne og visuel træthed kan medføre, at kræftlæsioner overses [3]. , hvilket alt sammen kan føre til, at kræften bliver overset.
Fra tidligere undersøgelser er lækageraten for endoskopi for esophageal cancer og andre øvre gastrointestinale kræftformer 4-17 % [3], en så høj lækagerate skal naturligvis optimeres yderligere, derfor tænkte West China Hospital-teamet på hot AI, da AI nøjagtigt kan gennemgå resultaterne af billeddannelsesundersøgelsen, så det er af samme grund, at det bruges til at hjælpe endoskopi og forbedre detektionshastigheden.
Baseret på den konventionelle hvide lysendoskopi og smalbåndsspektral billeddannelsesendoskopi, der almindeligvis anvendes i klinisk praksis, konstruerede forskerholdet et tidligt esophageal planokræft AI-system kaldet "Eagle Eye" baseret på mere end 38,000 endoskopiske billeder fra mere end 8,000 patienter (herunder esophageal pladecellekarcinom, præcancerøse læsioner og benigne esophageal læsioner), som var fuldt trænet og testet. Efter tilstrækkelig træning og test kan "Eagle Eye" diagnosticere endoskopiske billeder på kun 0.01 sekunder (10 millisekunder), så det kan hjælpe læger med at identificere mistænkelige læsioner i endoskopi i realtid.
Desuden kan Eagle Eye-systemet integreres direkte i nuværende endoskopisystemer ved at indramme det formodede læsionsområde i form af en polygon og vise typen og sandsynligheden for den formodede læsion øverst til venstre på endoskopidisplayet, hvilket gør det muligt for læger at skifte mellem det originale endoskopivideosignal og det sammensatte videosignal med AI-diagnoseresultaterne med et enkelt tryk på en kontaktknap. Læger behøver kun at trykke på kontaktknappen for at skifte mellem det originale endoskopiske videosignal og det sammensatte videosignal med AI-diagnostiske resultater, som er enkel og nem at betjene og ikke ændrer daglige vaner, og realiserer realtidshjælp til diagnosticering af tidlig esophageal. planocellulært karcinom.
"Eagle Eye"-systemets operationskort på stedet
Resultaterne af denne undersøgelse er et multicenter, tandem, randomiseret kontrolleret undersøgelse af effektiviteten af realtidsdiagnostisk assistance af "Eagle Eye"-systemet, som blev udført på 12 hospitaler landsdækkende og omfattede i alt 11.982 forsøgspersoner, som gennemgik smertefri gastroskopi; det er underforstået, at dette er den første rapport fra verdens første undersøgelse, der evaluerer realtidsdiagnosticering af tidlig esophageal pladecellekarcinom af et AI-system i reel klinisk praksis, og det er også den største prøvestørrelsesundersøgelse i verden. Det er underforstået, at dette er den første rapport i verden, der evaluerer AI-systemets realtidsassistance til diagnosticering af tidlig esophageal pladecellekarcinom i reel klinisk praksis, og det er også undersøgelsen med den største stikprøvestørrelse af AI-assisteret diagnose af tidlig kræft i spiserøret i verden.
Forsøgspersonerne blev opdelt i en "AI-prioriteret gruppe", der modtog "Hawk-Eye" systemassisteret endoskopi først, efterfulgt af rutine endoskopi, og en "rutineprioriteret gruppe", der modtog "Hawk-Eye" systemassisteret endoskopi andet, og den "rutineprioriterede gruppe", der modtog rutineendoskopi i modsat rækkefølge. Endoskopisterne evaluerede ydeevnen af Hawk-Eye systemassisteret endoskopi og konventionel endoskopi ved at udføre to endoskopiske undersøgelser på samme dag i den tilsvarende rækkefølge og ved at mangle overfladiske esophageale pladecellekarcinomer og præ-cancerøse læsioner, der ikke blev opdaget under den første undersøgelse, men blev opdaget under den anden undersøgelse.
Resultaterne af undersøgelsen viste, at 106 forsøgspersoner i den AI-prioriterede gruppe havde overfladisk esophageal pladecellekarcinom og præcancerøse læsioner opdaget i den første runde af undersøgelser, hvorimod nye læsioner blev opdaget hos kun 2 forsøgspersoner i den efterfølgende rutine eksamener, hvilket resulterede i en lækagerate på 1,9 % (2/106) sammenlignet med 7,6 % (6/79) i den rutineprioriterede gruppe efter samme kriterium, og en markant højere andel (1,8 %) af AI- assisterede læsioner blev påvist i den første undersøgelse (1,8%). Andelen var signifikant højere (1,8%/1,3%, p=0.030), og den positive prædiktive værdi (PPV) var også relativt høj (56,6%/44,0%).
Risikoen for manglende påvisning af overfladisk esophageal pladecellekarcinom og præcancerøse læsioner faldt med 75 % i den AI-prioriterede gruppe, når det beregnes ud fra antallet af patienter (RR=0.25, p=0.079) og med 63 %, når det beregnes ud fra antallet af læsioner (RR=0.37, p=0.40), men ingen af dem passerede grænsen for statistisk signifikans, hvilket kan hænge sammen med, at de fleste af endoskopisterne var mere senior, og den samlede frekvens af manglende detektion var lavere end forventet (15%) relateret til dette. Derudover var der ingen signifikant forskel i den tid brugt på Eagle Eye systemassisteret endoskopi versus konventionel endoskopi, og det resulterede ikke i flere blødningshændelser.
Generelt fungerede AI-assisteret endoskopi godt i denne undersøgelse, og brugervenligheden og realtidspræsentationen af resultaterne er meget gunstige for klinisk praksis. Lancet Gastroenterology and Hepatology offentliggjorde en samtidig gennemgang af forskningsresultaterne og AI, og påpegede, at AI, baseret på fuld overvejelse af patientens tilstand og implementering af endoskopisk test på højt niveau, vil blive en vigtig hjælp i den tidlige diagnose af og tidlig opsporing og screening for kræft i spiserøret. AI vil være en nøglemulighed for tidlig diagnose og screening af kræft i spiserøret.
