内镜人工智能诊断辅助系统对胃局灶性病变检出的应用(含视频)

目的构建一个基于YOLO v3算法的实时人工智能诊断辅助系统, 并评估其在胃镜检查中对胃局灶性病变检出的能力。方法回顾性收集武汉大学人民医院消化内镜中心2019年6—11月胃镜检查的白光内镜图像5 488张(有、无胃局灶性病变的图像分别为2 733张、2 755张)及2020年5—6月期间92例行胃镜检查的受试者视频资料中288 168个清晰胃帧用于人工智能辅助系统测试;前瞻性收集2020年7月6日—11月27日及2021年5月6日—8月2日于武汉大学人民医院消化内镜中心接受胃镜检查的3 997例受检者的视频资料用于评估人工智能辅助系统在实际临床应用中的性能。当人工智能辅助系统识别到异常病灶时, 以蓝色方框圈出病灶进行提示。对人工智能辅助系统识别胃局灶性病变的能力及其出现假阳性和假阴性的频率和原因进行统计分析。结果图像测试集中, 人工智能辅助系统"提示病灶"的准确率、灵敏度、特异度、阳性预测值及阴性预测值分别为92.3%(5 064/5 488)、95.0%(2 597/2 733)、89.5%(2 467/2 755)、90.0%(2 597/2 885)和94.8%(2 467/2...     

环状RNA circ0008274与西妥昔单克隆抗体耐药结直肠癌细胞的关联分析

目的利用生物信息学技术分析西妥昔单克隆抗体(以下简称单抗)耐药结直肠癌细胞中环状RNA circ₀008274的表达水平, 探索其参与西妥昔单抗耐药发生的机制。方法采用人结直肠癌细胞DiFi和Caco-2, 设立10、50、100、150、200 nmol/L 5个西妥昔单抗浓度点, 通过浓度递增法筛选并建立西妥昔单抗耐药结直肠癌细胞DiFi-R、Caco-2-R, 采用反转录聚合酶链反应(RT-PCR)检测DiFi-R、Caco-2-R细胞与DiFi、Caco-2细胞中circ₀008274的表达水平。运用双萤光素酶报告基因分析circ₀008274与miR-140-3p的偶联调控关系。采用免疫印迹法验证与西妥昔单抗耐药相关的高表达基因SMARCC1的蛋白质表达水平。采用si-circ₀008274转染方法敲除DiFi-R、Caco-2-R细胞中的circ₀008274, 比较敲除前后的DiFi-R、Caco-2-R细胞的增殖活性和克隆形成数。将miR-140-3p模拟物和空...     

人工智能对内镜医师染色放大内镜下胃癌识别能力的影响研究

目的评估人工智能（artificial intelligence,AI）辅助胃癌诊断系统在实时染色放大内镜视频中对内镜医师识别胃癌能力的影响。方法回顾性收集2017年3月—2020年1月武汉大学人民医院和公开数据集中的早期胃癌和非癌染色放大内镜图片作为训练集和独立测试集,其中训练集包括4 667张图片（1 950张早期胃癌和2 717张非癌）,测试集包括1 539张图片（483张早期胃癌和1 056张非癌）。利用深度学习进行模型训练。前瞻性收集2020年6月9日—2020年11月17日来自北京大学肿瘤医院和武汉大学人民医院的100例患者的染色放大内镜视频（包含38例癌和62例非癌）作为视频测试集。纳入来自另外4家医院的4名不同年资内镜医师,分2次（无或有AI辅助）对视频测试集进行诊断,评估AI对内镜医师判断胃癌能力的影响。结果无AI辅助时,内镜医师诊断视频测试集中胃癌的准确率、敏感度和特异度分别为81.00%±4.30%、71.05%±9.67%和87.10%±10.88%;在AI辅助下,内镜医师辨认胃癌的准确率、敏感度和特异度分别为86.50%±2.06%、84.87%±11.07%和87.50%±4.47%,诊断准确率（P=0.302）和敏感度（P=0.180）较无AI辅助时均有提升。AI在视频测试集中辨认胃癌的准确率为88.00%（88/100）,敏感度为97.37%（37/38）,特异度为82.26%（51/62）,AI的敏感度高于内镜医师平均水平（P=0.002）。结论AI辅助诊断系统是染色放大内镜模式下辅助诊断胃癌的有效工具,可提高内镜医师对胃癌的诊断能力。它能实时提醒内镜医师关注高风险区域,以降低漏诊率。     

基于深度学习的幽门螺杆菌人工智能辅助诊断系统研究

目的构建一套内镜下识别幽门螺杆菌(Helicobacter Pylori, HP)感染多重特征的人工智能辅助诊断系统, 并评估其在真实临床病例中的表现。方法回顾性收集2020年1月—2021年3月在武汉大学人民医院消化内镜中心同时间段行13C呼气试验和胃镜检查的1 033例受检者资料, 13C呼气试验阳性(定义为HP感染)为病例组(485例), 13C呼气试验阴性为对照组(548例)。将提示HP阳性和HP阴性的各类黏膜特征胃镜图像, 以及以案例为单位的HP阳性和HP阴性病例胃镜图像以8∶1∶1的比例随机分配到训练集、验证集和测试集, 基于卷积神经网络(convolutional neural network, CNN)和长短期记忆网络(long short-term memory network, LSTM)开发一套识别HP感染的人工智能辅助诊断系统, 其中, CNN可识别并提取每例患者内镜图像中的黏膜特征, 生成特征向量, 然后LSTM接收特征向量, 综合判断HP感染状态。以灵敏度、特异度、准确率和受试者工作特征曲线下面积评估系统的诊断性能。结果该系统对结节样改变、萎缩、肠上皮化生、...     

基于人工智能的白光内镜下胃瘤性病变辅助诊断系统研究

目的　评估基于人工智能的上消化道内镜影像辅助诊断系统（以下简称ENDOANGEL‑LD）在白光下诊断胃病变和胃瘤性病变的效能。方法　使用图片测试集和视频测试集分别测试ENDOANGEL‑LD的诊断能力。图片测试集来自2019年6月—2019年9月武汉大学人民医院191例患者的805张胃病变（300张胃瘤性病变、505张非瘤性病变）图片和990张正常胃对照图片;视频测试集来自2020年11月—2021年4月武汉大学人民医院存储的78例患者的83个病灶视频（38个胃瘤性病变和45个非瘤性病变）。计算ENDOANGEL‑LD诊断图片测试集的准确率、灵敏度和特异度等指标。比较ENDOANGEL‑LD与4名内镜专家在视频测试集中诊断胃瘤性病变的准确率、灵敏度和特异度。结果 在图片测试集中,ENDOANGEL‑LD诊断胃病变的准确率、灵敏度和特异度分别为93.9%（1 685/1 795）、98.0%（789/805）和90.5%（896/990）;诊断胃瘤性病变的准确率、灵敏度和特异度分别为88.7%（714/805）、91.0% （273/300）和87.3% （441/505）。在视频测试集中,ENDOANGEL‑LD和4名专家总体诊断胃瘤性病变的准确率分别为81.9%（68/83） 和72.0% （239/332）,灵敏度分别为100.0%（38/38）和 85.5%（130/152）,特异度分别为66.7%（30/45） 和 60.6% （109/180）。ENDOANGEL‑LD的灵敏度优于4名专家（χ2=6.220,P=0.013）,准确率（χ2=3.408,P=0.065）和特异度（χ2=0.569,P=0.451）与4名专家相当。结论　ENDOANGEL‑LD辅助诊断系统能够准确检测出胃病变并进一步诊断出胃瘤性病变,可在临床工作中辅助内镜医师。     

人工智能胃镜检查辅助系统用于早期胃癌筛查的成本和效益分析

目的　比较使用人工智能（artificial intelligence， AI）胃镜检查辅助系统行胃早期癌筛查前后的成本和效益。方法　回顾性收集2017年1月1日—2022年2月28日于武汉大学人民医院使用AI胃镜辅助系统前后的胃镜检查病例，统计使用前（无AI组）和使用后（AI组）的胃癌早期诊断率。以武汉大学人民医院收费标准和湖北省武汉市按疾病诊断相关分组付费支付标准2021年版本为参考进行费用估算。计算每10万例使用和不使用该系统两种情况下进行胃镜筛查的成本和效益及增量成本效益比。结果　无AI组胃癌早期诊断率为28.81%（70/243），每10万例胃镜筛查成本为5 459.80万元，胃早期癌医疗成本为22.18万元，总成本为5 481.98万元；直接筛查效益为89.42万元，间接筛查效益为182.82万元，总效益为272.24万元。AI组胃癌早期诊断率为36.56%（366/1 001），每10万例胃镜筛查成本为5 344.00万元，胃早期癌医疗成本为31.58万元，总成本为5 375.58万元；直接筛查效益为127.35万元，间接筛查效益为260.31万元，总效益为387.66万元。使用该系统可以降低总成本106.40万元/10万例，多产生115.42万元/10万例的直接和间接经济效益，增量成本效益比为-0.92。结论　使用AI胃镜检查辅助系统进行胃早期癌筛查可以在降低医疗成本的同时提高筛查效益，建议在胃镜筛查工作中推广使用。