条文本
PDF
摘要
在这项研究中，我们的目标是开发一种人工智能临床决策支持解决方案，以减轻内镜下粘膜下剥离和经口内镜肌切开术等复杂内镜手术中操作员依赖的限制，例如出血和穿孔。训练了一个基于deeplabv3的模型，以在此类手术的内窥镜静态图像上描绘血管、组织结构和仪器。交叉验证交集与联合和骰子得分的平均值分别为63%和76%。应用于第三空间内窥镜手术的标准化视频剪辑，该算法显示平均血管检出率为85%，假阳性率为0.75/min。这些性能统计数据表明，在操作安全、时间和培训方面有潜在的临床益处。
- 内镜手术
- 内窥镜检查
- 肿瘤外科
数据可用性声明
所有与研究相关的数据都包含在文章中或作为补充信息上传。
这是一篇开放获取的文章，根据创作共用署名非商业(CC BY-NC 4.0)许可证发布，该许可证允许其他人以非商业方式分发、混音、改编、在此基础上进行构建，并以不同的条款许可其衍生作品，前提是正确引用原始作品，给予适当的荣誉，任何更改都已注明，并且使用是非商业性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
数据来自Altmetric.com
关于这个话题我们已经知道了什么
近年来，人工智能工具已被开发用于诊断性内窥镜的临床决策支持，但到目前为止，还没有引入用于治疗性干预的算法。
这项研究补充了什么
考虑到内镜下粘膜下剥离和口腔内镜肌切开术中出血和穿孔的风险升高，显然需要对AI指导进行创新和研究，以最大限度地减少操作员依赖的并发症。在本研究中，我们开发了一种深度学习算法，用于在第三空间内窥镜中实时检测和描绘相关结构。
这项研究如何影响研究、实践或政策
这项新技术显示了实现更高的程序安全和速度的巨大希望。未来的研究可能会进一步扩大人工智能在胃肠道内窥镜中的应用范围。
更详细地讲
内镜粘膜下剥离(ESD)是一种成熟的保留器官的治疗性内镜切除技术，用于治疗胃肠道癌前和浅表侵袭性肿瘤。1 2然而，ESD和经口内窥镜肌切开术(POEM)是复杂的手术，具有较高的手术相关不良事件风险，特别是术中出血和穿孔。这是由于无意中穿过粘膜下血管或进入固有肌层，因为扩张切除缺损内的可见和切割轨迹并不总是明显。3 4目前尚未制定有效的术中不良事件缓解策略。
人工智能临床决策支持解决方案(AI-CDSS)在诊断性内窥镜检查中迅速扩散。5 - 7因此，我们试图开发一种新的AI-CDSS，用于在ESD和POEM过程中实时检测和描绘血管、组织结构和器械。8
使用奥林巴斯EVIS X1系列内窥镜(奥林巴斯，东京，日本)从奥格斯堡大学医院数据库中提取了12个ESD和4个POEM手术的16个全长视频。微创组织切除专家(ESD经验≥500例)使用计算机视觉标注工具对这些视频中的2012张静态图像进行标注，分类为电刀、内镜仪器、粘膜下层、肌肉层和血管。带有KSAC的DeepLabv3+神经网络架构9101层ResNeSt骨干网10（在线补充方法)使用这些数据进行训练。算法的性能通过内部五倍交叉验证来衡量，以及对来自11个独立视频的453张注释图像进行测试，使用参数交叉联合(IoU)，骰子得分和像素精度(在线补充方法)．IoU和Dice Score衡量的是算法描述和黄金标准之间的重叠百分比。像素精度测量每个图像和所有类别的真实像素预测的百分比。验证指标通过累积每折叠输出计算。交叉验证在没有超参数调优的情况下完成。
另外3个全长视频(1× POEM, 1×直肠ESD和1×食管ESD)用于评估视频上的算法。31个夹带52个预定义血管(在线补充方法)，采用人工智能(AI)覆盖逐帧评估真假血管检测，并确定血管检出率(VDR)。
交叉验证的平均IoU、平均Dice Score和像素精度分别为63%、76%和81%。在测试集上，AI-CDSS在相同参数下的得分分别为68%、80%和87%。每个类的个体值和95% ci显示在表1．原始帧、专家注释和AI分割的示例显示在图1．
原始图像的例子(左列)与相应的专家注释(中列)和AI分割(右列)。肌肉层、粘膜下层、血管和刀被彩色的覆盖层分割。
平均VDR为85%。直肠ESD、食管ESD和POEM的VDR分别为70%、95%和92%。平均假阳性率为0.75 /min。该算法发现了导致术中出血的9条血管中的7条。它还识别了两根血管，需要用止血钳对大出血进行特定止血。
为了在不计算定量性能测量的情况下演示AI- cdss的性能，我们展示了一个带有AI覆盖的内部POEM过程的示例。为了实验的可视化，我们展示了6个视频片段，它们被用于同一视频中的VDR评估(2× POEM, 2×直肠ESD和2×食管ESD;在线补充视频1)．为了测试稳健性，该算法还应用于随机选择的高度压缩的YouTube胃经口内窥镜肌切开术视频(ENDOCLUNORD 2020)。https://www.youtube.com/watch?v=VKFHWOzYDGM;在线补充视频2)．单个输出是当前预测和过去预测之间的指数移动平均的结果，这使预测变得平滑，并且是一种包含时间信息的简单方法。
评论
这项初步研究旨在研究AI在治疗性内窥镜手术(如ESD或POEM)中的潜在作用。该算法从内窥镜视频中提取的帧中勾画出组织结构、血管和仪器，与内窥镜专家提供的金标准有很高的重叠。类似的技术11已被证明应用于腹腔镜胆囊切除术，以区分安全和危险的夹层区，平均IoU分别为53%和71%。
在标准化和预定义血管的视频剪辑上，该算法显示了85%的VDR。直肠ESD的70%表现较低，而食管ESD和POEM的检出率超过90%，这可能是由于结构的可视性较差和更多的术中出血，这与临床经验是一致的。
许多关于AI在胃肠道内窥镜中的临床前和临床研究已经发表，但到目前为止，AI的应用在很大程度上局限于诊断程序，如检测息肉或不清楚病变的特征。在腹部外科手术中，人工智能已被应用于各种任务，包括手术器械检测、图像引导、导航和技能评估(“智能手术”)，并取得了令人满意的结果。12这项研究的结果表明，AI可能有潜力优化复杂的内窥镜手术，如ESD或POEM，类似于上述研究(“智能ESD”)。通过突出粘膜下血管和其他组织结构，如粘膜下切割平面，治疗过程可以变得更快，并减少不良事件，如术中或术后出血和穿孔。在未来，人工智能辅助可能有可能加速内窥镜检查学员的学习曲线。
这项研究的主要局限性是用于训练和验证的视频数量较少;然而，每个视频都包含一个完整的治疗性ESD程序，包括各种程序情况。该算法尚未在现实生活中进行测试，这一事实进一步限制了这项研究。然而，AI模型在外部生成的视频序列上进行了测试，并能够识别粘膜下血管和切割平面。此外，替代参数，如在手术过程中出血的血管的检测，得出的结论是，这些并发症可以通过应用AI-CDSS来预防。这是关于一项新技术的第一份临床前报告;需要进一步的研究来详细评估这种AI-CDSS的潜在临床效益。
数据可用性声明
所有与研究相关的数据都包含在文章中或作为补充信息上传。
伦理语句
患者发表同意书
伦理批准
不适用。获得慕尼黑Ludwigs-Maximilians-Universität伦理委员会的伦理批准(项目编号21-1216)。
脚注
推特@papa_joaopaulo, @ReMIC_OTH
AE和RM的贡献相同。
贡献者AE和MWS:研究概念和设计，数据的获取，数据的分析和解释，手稿的起草和手稿的批判性修订。RM:研究概念和设计，软件实现，数据分析和解释，手稿起草和关键修改手稿。AP:研究概念和设计，数据的获取和对手稿的批判性修订。NS:数据的分析和解释，手稿的起草和对手稿的批判性修订。FP, CF, CR, SKG和GB:数据的获取和手稿的关键修订。DR和TR:软件实现和实验评估以及手稿的关键修订。LAdS:统计分析和手稿的批判性修订。JP:统计分析，重要的手稿修订和研究监督。MB:研究概念和设计，分析和解释数据，起草手稿和关键修订的手稿。CP:研究概念和设计、数据分析和解释、统计分析、手稿批判性修订、行政和技术支持以及研究监督。 HM: study concept and design, acquisition of data, critical revision of the manuscript, administrative and technical support, and study supervision. AE: guarantor. All authors: had access to the study data and reviewed and approved the final manuscript.
资金作者没有从任何公共、商业或非营利部门的资助机构宣布对这项研究的具体资助。
相互竞争的利益NS:演讲者酬金，波士顿科学与药学。MB: Satisfai Health的首席执行官和创始人。赫尔墨斯:咨询费，奥林巴斯。
患者和公众参与患者和/或公众未参与本研究的设计、实施、报告或传播计划。
出处和同行评审不是委托;外部同行评审。
补充材料此内容由作者提供。它没有经过BMJ出版集团有限公司(BMJ)的审查，也可能没有经过同行评审。讨论的任何意见或建议仅是作者的意见或建议，不被BMJ认可。BMJ不承担因对内容的任何依赖而产生的所有责任和责任。如果内容包括任何翻译材料，BMJ不保证翻译的准确性和可靠性(包括但不限于当地法规、临床指南、术语、药品名称和药物剂量)，并且对因翻译和改编或其他原因引起的任何错误和/或遗漏不负责。