XiaoMi-AI文件搜索系统
World File Search Systemcolonoscopy
健康筛查结肠镜检查后的自由生活食物摄入量和肠道菌群的再现
1目标：微生物组的作用已与各种医学2条件有关。结肠镜检查后，已知发生结肠微生物负荷的重生，3然而，肠4制剂后尚未研究自然重生的质量和时机。此外，尚无研究记录详细的自由生活饮食摄入量，并在骨镜后同时使用肠道微生物组重生。在这里，我们试图确定相对于饮食摄入的6个早期重生模式。方法：健康的成年人（n = 15 [4雌性/11雄性]，BMI = 27.2±3.9 kg/m 2，年龄51.4±7.2 y）计划在密苏里州大学的胃肠病学诊所招募筛查8结肠镜检查。9在结肠镜检查（基线）的两周内，受试者完成了3天的详细食物记录10。后骨镜检查，受试者吃的自由饮食和详细的食物记录在第0、1、2、4、7、10和13天收集了11个。粪便样品是在骨内镜检查前的，并在第12天的第3、5、8、11和14天获得。肠道微生物组组成。结果：在手术后的5天内，受试者报告了14个相对于基线消耗的总能量更多的总能量，大概是为了弥补肠prep期间发生的低15能量摄入量。在基线时，纤维摄入量（21.0±9.1 g/d）比结肠镜检查当天高16，第0天（16.1±11.2，p = 0.0159）。此后，每日纤维17摄入量与基线相同。使用加权和未加权差异的主坐标分析观察到了18个标志性的微生物组β多样性（p = 0.0001，19 f = 15.23，单向Permanova）。精选的分类单群被枯竭后骨内镜检查（例如，杆菌中的20个）。具体而言，在21天和第3天的粪便样品之间观察到时间的显着影响（成对P = 0.0013，F = 2.9）。这些变化趋向于第5天返回22返回基线，随后的样本，使用加权差异分析（Bray-Curtis）测试23时，分类单元与基线相似。结论：这些结果定量24证明了微生物相对丰度和25种多样性的显着变化的幅度。手术后的26纤维摄入量的变化对齐的时间安排。这些数据突出了27次筛查结肠镜检查后在重建健康微生物组后的营养重要性。28 29关键字：结肠镜检查；结肠准备；微生物变异性；食物摄入；微生物30组成；微生物重生。
结肠镜检查前的 Plenvu® 肠道准备
什么是 Plenvu®？它是一种聚乙二醇 (PEG) 泻药，用于在您计划的结肠镜检查之前清洁您的肠道。它会导致您腹泻或排便频繁。您会开始排出棕色液体，然后逐渐变成透明/淡黄色液体。干净的肠道可以清楚地看到肠道内壁，这对于准确的诊断和治疗非常重要。请仔细遵循说明。如果您的肠道不够干净，可能需要取消结肠镜检查并在其他时间重新进行。如果您认为自己的身体状况不足以来回上厕所，请不要服用此药。请联系为您推荐此测试的医生或团队以获取进一步的建议。服用 Plenvu® 之前我应该做什么？服用 Plenvu® 之前，请遵循低纤维饮食 3 天。请参阅我们的低纤维饮食手册，了解您需要遵循的饮食类型的详细信息。如何服用 Plenvu®？Plenvu® 是一种两剂量制剂。第 1 剂是一小袋芒果味。第 2 剂是两小袋（A 和 B）水果味。按照以下所示，用适量的水和正确的时间服用每小袋。
筛查结肠镜检查对温室气体排放的纵向影响
在一年内进行的630万次筛查结肠镜检查可预防十年内的1,134,000个结直肠癌。局部38 3％（434,254），38 8％（440,281）是区域性的，22 9％（259,465）是转移性疾病。预防后的诊断后访问数量最少为I期11，II期为21，第III期25，IV期为20，由诊断，手术评估，化学疗法和监测访问组成。I期筛查预防的访问总数为2,388,397，II期为5,254,421，第三阶段为13,120,369，第IV期为9,210,972。大约3.95亿英里的旅行和158,263吨的二氧化碳，相当于燃烧的1.77亿磅煤炭，收取的190亿智能手机或1800万加仑的汽油消耗，通过筛查得以节省十年。
人工智能在结肠镜检查中的现状和未来影响
摘要 事实证明，胃肠内窥镜是开发人工智能 (AI) 系统的理想环境，该系统可以帮助内窥镜医师完成日常活动中的许多任务。结肠镜检查期间的病变检测 (计算机辅助检测，CADe) 和病变表征 (计算机辅助表征，CADx) 是人工智能在胃肠病学中的临床应用，迄今为止已发表的证据最多。事实上，它们是唯一由不同公司开发了多个系统、目前市场上有售且可用于临床实践的应用。CADe 和 CADx 除了充满希望和炒作外，还存在潜在的缺点、局限性和危险，必须了解、研究和研究这些机器的最佳用途，旨在领先一步，避免可能滥用这些机器，这些机器永远是临床医生的助手，而不是替代品。结肠镜检查的人工智能革命即将到来，但潜在的用途是无限的，目前只有一小部分得到了研究。未来的应用可以设计成确保结肠镜检查质量参数的各个方面，并真正实现实践标准化，无论在何种环境下进行该程序。在本综述中，我们介绍了结肠镜检查中人工智能应用的现有临床证据，并概述了未来的发展方向。
人工智能辅助结肠镜检查
引言 结直肠癌 (CRC) 是新加坡最常见的癌症，也是癌症相关死亡的主要原因。 (1) 结肠镜检查是预防和诊断 CRC 的参考标准程序，已被证明可以降低 CRC 相关死亡率。 (2,3) 结肠镜检查在预防 CRC 中的作用在于准确检测和充分切除被认为是癌前病变并可能发展为 CRC 的结肠直肠腺瘤。 研究表明，腺瘤检测率 (ADR) 提高 1% 可使间隔 CRC 降低 3%。 (4) 切除的充分性在很大程度上取决于技术和内窥镜配件的适当选择，而这又取决于大小、形态、预测的组织学，以及早期癌症的预测侵袭深度。 (5,6) 相同的因素和切除的充分性决定了结直肠腺瘤的复发风险，并影响监测结肠镜检查的时机。 (7,8)
人工智能识别并量化结肠镜检查盲点
（Epiphan，美国加利福尼亚州帕洛阿尔托）。所采用的主要人工智能模式是循环神经网络（一种特别适用于序列数据的人工智能类型），该网络经过训练可以计算深度 [1, 2]，并结合视觉同步定位和映射 (SLAM) [3]。人工智能软件被应用于 18 名患者的 76 个结肠镜检查视频序列，显示结肠段长度为 4 – 25 厘米。这创建了结肠段的三维 (3 D) 重建，然后识别盲点，显示为重建中的孔洞或间隙，并量化这些非
结肠镜检查期间息肉检测的人工智能
背景 基于人工智能 (AI) 的息肉检测系统用于结肠镜检查，旨在增加病变检测和提高结肠镜检查质量。患者和方法：我们对前瞻性试验进行了系统回顾和荟萃分析，以确定基于 AI 的息肉检测系统对检测息肉和结直肠癌的价值。我们在 MEDLINE、EMBASE 和 Cochrane CENTRAL 中进行了系统搜索。独立审阅者筛选研究并评估资格、证据确定性和偏倚风险。我们通过计算检测息肉、腺瘤和结直肠癌的相对和绝对风险以及平均差异，比较了有无 AI 的结肠镜检查。结果 五项随机试验符合分析条件。与未使用 AI 的结肠镜检查相比，使用 AI 的结肠镜检查提高了腺瘤检出率 (ADR) 和息肉检出率 (PDR)（数值以 95%CI 给出）。使用 AI 的 ADR 为 29.6%（22.2% – 37.0%），而未使用 AI 的 ADR 为 19.3%（12.7% – 25.9%）；相对风险 (RR] 1.52 (1.31 – 1.77)，具有高确定性。有 AI 的 PDR 为 45.4 % (41.1 % – 49.8 %)，无 AI 的 PDR 为 30.6 % (26.5 % – 34.6 %)；RR 1.48 (1.37 – 1.60)，具有高确定性。晚期腺瘤的检出率无差异（每组每次结肠镜检查的平均晚期腺瘤数为 0.03，高确定性）。AI 与非 AI 相比，每次结肠镜检查中检测到的小腺瘤（≤ 5 毫米）的平均腺瘤数较高（平均差异 0.15 [0.12 – 0.18]），但较大腺瘤（> 5 – ≤ 10 毫米，平均差异）的检出率不高0.03 [0.01 – 0.05]；> 10 毫米，平均差异 0.01 [0.00 – 0.02]；高确定性）。癌症数据不可用。结论结肠镜检查期间基于人工智能的息肉检测系统增加了对小型非晚期腺瘤和息肉的检测，但没有增加对晚期腺瘤的检测。
标准化结肠镜检查报告和数据系统
持续质量改进 (CQI) 的指标和具体指标的建议目标。2006 年，Rex 等人 8 添加了背景数据，并确定了支持早期文件中关键质量指标和提议目标的证据级别。在实践内部和跨实践测量质量的一个障碍是缺乏标准化的结肠镜检查报告系统，这使得许多环境中的质量测量成为可能。用于报告筛查测试结果和管理系统的标准化系统与非标准化系统相比具有许多优势，包括更好地传达测试结果、术语和测量标准标准化以及建立可用于医疗审计和 CQI 的数据系统。在癌症筛查中，巴氏检测和乳房 X 线照相检查都有标准化的报告和数据系统，但结肠镜检查不存在这样的系统。为了推进 MSTF-CRC 的建议，国家结直肠癌圆桌会议 (NCCRT) 的质量保证工作组负责开发标准化结肠镜检查报告和数据系统 (CO-RADS)，以提高结肠镜检查的质量。具体目标是开发一种工具，为内镜医师提供质量改进工具和