我國實現醫療人工智能新突破 高速準確識別小腸疾病

2019-10-24 15:30:49 來源: 科技日報 作者: 馬愛平
小腸,閱,膠囊,醫生,鏡,

科技日報記者 馬愛平

小腸位于人體胃部和結直腸之間,是人體消化道中最長的一部分,約5-7米,也是最難檢查完整的部位。在過去幾十年里,小腸一直是內鏡與放射學檢查的難點,被視為消化道的“黑匣子”。膠囊內窺鏡的問世突破了以往小腸檢查的盲區,與插入式內鏡相比,具有操作簡便、無需麻醉、無交叉感染、舒適安全等優點,目前臨床應用較為廣泛。

然而,由于每例小腸膠囊內鏡檢查產生的圖像視頻時長可達8-10個小時(平均20000-30000張采集圖片/例),消化內科醫生需要花費1-2小時來分析每例患者的海量數據,導致小腸疾病診斷的時間成本過高,同時高強度的人工閱片造成醫生過度疲勞,可能增加漏診率。因此,積極尋求有效輔助醫生診斷小腸膠囊內鏡圖像的工具具有重大的臨床與社會價值。

近日,華中科技大學同濟醫學院附屬協和醫院侯曉華教授、藺蓉教授團隊的研究成果Gastroenterologist-Level Identification of Small-Bowel Diseases and Normal Variants by Capsule Endoscopy Using a Deep-Learning Model(譯名《使用深度學習模型的膠囊內窺鏡對小腸疾病和黏膜正常改變的胃腸病專家級臨床識別》),以封面文章刊發于10月出版的美國胃腸病學會(AGA)官方刊物Gastroenterology(譯名:《胃腸病學》,影響因子19.233,國際消化領域期刊排名第一)。

  2019年10月出版的《胃腸病學》雜志封面標語:“小腸疾病診斷新紀元”


華中科技大學同濟醫學院附屬協和醫院消化內科丁震教授與施慧英醫師為文章第一作者。同時,安翰科技的三位技術專家作為共同作者,為該研究提供基于深度卷積神經網絡(CNN)的小腸病灶識別模型以及ESView遠程閱片平臺的技術支持。

研究收集了2016年7月至2018年7月期間,77個醫學體檢中心6970名患者的113,426,569張小腸膠囊內鏡檢查圖像,利用自主開發的ESView遠程閱片平臺實現遠程監測、讀取、數據存儲和共享,分別通過常規方法閱片與基于深度卷積神經網絡模型輔助閱片來協助消化內科醫生進行小腸膠囊內鏡圖片的閱讀與分析評估。

經大樣本驗證,與傳統的閱片模式相比,基于深度卷積神經網絡輔助閱片模型可將平均診斷時間由96.6分鐘/例下降至5.9分鐘/例,可將平均人工讀片數量由22654張/例下降至578張/例,并將基于病灶分析的異常識別的靈敏度由76.89%提高至99.90%,將基于患者分析的異常識別的靈敏度由74.57%提高至99.88%。

文章結論認為:基于深度卷積神經網絡輔助閱片模型比消化內科醫生常規分析具有更高的靈敏度和更短的閱片時間。該算法可作為消化內科醫生更有效、更準確地分析膠囊內鏡小腸檢查圖像的重要工具,開創小腸疾病診斷的新紀元。

該研究不僅實現了膠囊內窺鏡應用的智能輔助篩查,更將極大程度地改變小腸疾病的診斷模式。利用膠囊內鏡影像大數據和人工智能技術,安翰科技研發團隊已開發出基于深度卷積神經網絡的小腸病灶識別模型,具有高靈敏度、高篩查率、高病變檢出率及高效率的特點,是我國人自主推動智能醫療的一次原創性的研究與探索。

加載更多>>
責任編輯:陳小柒
七位数历史开奖号码