你在这里

条文本

菜单条
下载PDF
评论
胃肠道内窥镜中的人工智能:绊脚石，黄金标准和内窥镜协会的作用
  1. Rudiger施密茨1，2，3.，
  2. 雷内·沃纳2，3.，
  3. 亚历山德罗Repici4，5，
  4. 英国皇家空军Bisschops6，
  5. 亚历山大专职阿訇7，
  6. 迈克尔Zornow8，
  7. 赫尔穆特•Messmann9，
  8. 切萨雷·哈桑10，
  9. Prateek沙玛11，
  10. 托马斯·罗斯奇1
  1. 1跨学科的内窥镜检查，汉堡埃本多夫大学医学中心，汉堡、德国
  2. 2计算神经科学研究所，汉堡埃本多夫大学医学中心，汉堡、德国
  3. 3.生物医学人工智能中心(百美)，汉堡埃本多夫大学医学中心，汉堡、德国
  4. 4人道临床与研究中心，Rozzano、意大利
  5. 5人道塔斯大学生物医学科学系，米兰、意大利
  6. 6胃肠病学，大学医院Gasthuisberg，鲁汶、比利时
  7. 7美国胃肠病学，维尔茨堡大学，维尔茨堡、德国
  8. 8公共和欧洲法主席，哥廷根大学，哥廷根、德国
  9. 9美国胃肠病学，Universitatsklinikum奥格斯堡，奥格斯堡、德国
  10. 10胃肠病学单位，Nuovo Regina Margherita医院，罗马、意大利
  11. 11肠胃病与肝病科，退伍军人事务医疗中心和堪萨斯大学，劳伦斯，堪萨斯美国
  1. 对应到Thomas博士Rösch，跨学科内窥镜，汉堡-埃彭多夫大学医学中心，汉堡20246，德国;t.roesch在{}uke.de

http://dx.doi.org/10.1136/gutjnl-2020-323115

来自Altmetric.com的统计

    请求的权限

    如果您希望重用这篇文章的任何部分或全部，请使用下面的链接，它将带您访问版权清除中心的RightsLink服务。您将能够快速获得价格和以多种不同方式重用内容的即时许可。

    人工智能被描述为解决胃肠道(GI)内窥镜检查等领域遇到的许多挑战的灵丹妙药。密集的研究、商业和媒体关注导致了患者数量不高、技术相对简单的研究成果的发表。毫无疑问，机器学习(ML)将是未来几年决定性的医学发展。然而，现在尘埃已经开始尘埃落定，我们正处于一个关键的节点，重点从临床前工作转向ML在临床实践中的作用。世界杯2022小组积分当前的问题涉及到人工智能和毫升系统的评估和测试，特别是关于患者的结果，以及实施的监管问题。这些方面都涉及到一个重要的问题:我们如何确保临床前结果转化为值得信赖的临床现实?

    对于内窥镜医生来说，无论是作为读者、审稿人还是AI的潜在用户，了解系统的技术方面及其性能测量，以便现实地评估其实用价值，变得越来越重要。因此，以胃肠内窥镜为出发点的ML从原理论证研究1 - 7临床试验8 - 12， van der Sommen等为我们提供了一个易于理解的指南，评估和批判性地回顾当前的ML内镜文献。13

    我们的评论强调了这篇综述和AI作为一个整体的选择方面，并详细阐述了GI内窥镜社区的作用，以及它如何经历和框架未来的道路。特别是，我们主张技术科学家和临床医生从早期开发阶段开始密切合作，以便开发量身定制的AI算法和现实的临床前测试。训练数据和算法开发过程需要更多的透明度。此外，在立法方面……

    查看全文

    脚注

    • 调整通知这篇文章在Online First发布后进行了修改。雷皮奇教授的隶属关系已被修改。

    • 贡献者所有的作者一起撰写了论文并批准了最终版本。

    • 资金作者们还没有从任何公共、商业或非营利部门的资助机构为这项研究宣布具体的资助。

    • 相互竞争的利益RW:得到了西门子的研究支持。AR:获得美敦力和Cosmo的咨询，Cosmo、富士和宾得的研究支持。RB:获得宾得、富士和美敦力的研究支持和咨询。CH:接受美敦力、富士的咨询。PS:获得了美敦力、奥林巴斯、波士顿科学、富士胶片和Lumendi的咨询，以及Ironwood、Docbot、Cosmo Pharmaceuticals、CDx Laboratories和Erbe的研究支持。TR:获得了奥林巴斯和富士的研究支持。

    • 患者和公众的参与患者和/或公众未参与本研究的设计、实施、报告或传播计划。

    • 来源和同行评审不是委托;外部同行评议。