XiaoMi-AI文件搜索系统
World File Search System内窥镜
人工智能在胃肠内窥镜检查中的作用不断演变
人工智能 (AI) 是不同技术的结合，使机器能够以类似人类的智能水平感知、理解和学习。人工智能技术最终将增强人类的能力，为机器提供真正的自主权，减少错误，提高生产力和效率。人工智能看起来很有前途，这个领域充满了发明和新奇的应用；然而，机器学习的局限性表明谨慎乐观是正确的策略。人工智能也正被纳入医学领域，通过加快流程和实现更高的准确性来改善患者护理，从而实现最佳患者护理。使用深度学习技术的人工智能已被用于识别、区分包括胃肠内窥镜检查在内的多个医学领域的目录图像。胃肠内窥镜检查领域涉及在各种胃肠内窥镜设备系统的帮助下使用图像分析对各种消化系统疾病进行内窥镜诊断和预测。基于人工智能的内窥镜系统可以根据其训练和验证可靠地检测并提供有关胃肠道病理学的关键信息。这些系统可以使胃肠病学实践在未来几年内变得更容易、更快、更可靠，并减少观察者之间的差异。然而，认为这些系统将取代人类决策取代胃肠内窥镜医师的想法在不久的将来似乎并不可信。在这篇评论中，我们讨论了人工智能和相关的各种技术术语、胃肠内窥镜检查中不断发展的作用以及未来的可能性。
研究文章 确定胶囊内窥镜图像临床意义的人工智能可以提高阅读效率
1 韩国首尔顺天乡大学医学院消化系统研究所消化系统疾病中心内科，2 韩国清州忠北国立大学电子工程系，3 韩国高阳东国大学医学院一山医院内科消化内科分部，4 韩国清州忠北国立大学医学院内科，5 韩国济州岛济州国立大学医学院内科，6 韩国首尔首尔市首尔国立大学波拉梅医疗中心内科，7 韩国大田忠南国立大学医学院内科消化内科和肝病内科，8 韩国大邱庆北国立大学医院内科消化内科和肝病内科
利用人工智能辅助内窥镜技术检测难以发现的胃癌
我们饶有兴趣地阅读了 van der Sommen 等人的文章 1，并提出了在临床实践中采用人工智能 (AI) 辅助内窥镜检查的一些重要和相关观点。计算机辅助诊断系统已成功应用于胃肠道的所有部分，甚至是巴雷特食管发育不良的诊断，这是专家内窥镜医师的祸根。2 最近，与专家内窥镜医师的表现相比，实时计算机辅助检测 (CADe) 系统的结肠镜检查实现了更高的息肉检测率。3 然而，在将 CADe 应用于传统食管胃十二指肠镜检查 (OGD) 时，不可避免地会讨论如何提高难以发现的胃癌 (GC) 的检测率。与食道和结肠等其他胃肠道解剖特征相比，胃具有更宽、弯曲的管腔，这意味着在没有盲点的情况下，胃部观察更加费力。在常规 OGD 中，内镜医师必须在更远的视野中将胃肿瘤与周围的胃炎粘膜区分开来，而不是通过近距离图像检测结直肠肿瘤和 Barrett 相关发育不良。此外，早期胃癌通常表现出细微的隆起或凹陷，其不规则的外观很容易隐藏在幽门螺杆菌感染引起的粗糙背景胃炎中。因此，即使是专家有时也很难发现早期胃癌，尤其是较小的胃癌。早期胃癌检测的这种困难可能导致
引用本文：Shewel Y, Bassiouny M, Ebrahim M. 内窥镜检查鼓峡和鼓膜张皱襞及其关系
参考文献 1. Marchioni D、Alicandri‐Ciufelli M、Molteni G、Artioli FL、Genovese E、Presutti L。选择性上鼓室通气障碍综合征。喉镜 2010；120：1028-33。[Crossref] 2. Padurariu S、Roosli C、Roge R、Stensballe A、Vyberg M、Huber A 等。关于正常中耳的功能区室化。其粘膜的形态组织学建模参数。听力研究 2019；378：176-84。[Crossref] 3. Ars B、Dirckx J。耳咽管功能。北美耳鼻喉科临床 2016；49：1121-33。 [交叉引用] 4. Alicandri-Ciufelli M、Gioacchini FM、Marchioni D、Genovese E、Monzani D、Presutti L. 乳突：人类的退化功能？医学假设2012； 78：364-6。 [交叉引用] 5. Marchioni D、Grammatica A、Alicandri-Ciufelli M、Aggazzotti-Cavazza E、Genovese E、Presutti L。选择性通气不良对阁楼中耳病理学的贡献。医学假设2011； 77：116-20。 [Crossref] 6. Shirai K、Schachern PA、Schachern MG、Paparella MM、Cureoglu S。慢性中耳炎的鼓室容积和鼓室峡部阻塞：人类颞骨研究。Otol Neurotol 2015；36：254-9。[Crossref] 7. Proctor B。中耳腔的发育及其外科意义。The J Laryngol Otol 1964；78：631-45。[Crossref] 8. Marchioni D、Mattioli F、Alicandri-Ciufelli M、Molteni G、Masoni F、Presutti L。中耳通气通路阻塞的内窥镜评估。Am J Otolaryngol 2010；31：453-66。 [Crossref] 9. Shinnabe A、Hara M、Hasegawa M、Matsuzawa S、Kanazawa H、Kanaza- wa T 等。在超声心动图检查中，松弛部和紧张部胆脂瘤在中耳通气障碍方面的差异以及鼓室和乳突气化的模式。耳鼻喉科 2012；33：765-8。[Crossref] 10. Marchioni D、Molteni G、Presutti L。内窥镜中耳解剖学
胶囊内窥镜的未来：人工智能和其他技术进步的作用
胶囊内镜检查因其便利性和无创性而彻底改变了小肠疾病的治疗。胶囊内镜检查是评估不明原因胃肠道出血、克罗恩病、小肠肿瘤和息肉综合征的常用方法。然而，繁琐的读取过程、对小肠病变的忽视以及缺乏运动是扩大其应用的主要障碍。随着人工智能的最新进展，一些研究报告了卷积神经网络系统在诊断各种小肠病变（包括糜烂/溃疡、血管扩张、息肉和出血性病变）方面的良好性能，这减少了胶囊内镜检查解释所需的时间。此外，结肠胶囊内窥镜和磁力驱动的胶囊内窥镜运动已被用于临床应用，并且已经推出了用于主动运动、活检或治疗方法的各种胶囊内窥镜原型。在本综述中，我们将讨论胶囊内窥镜领域人工智能的最新进展，以及对胶囊内窥镜其他技术改进的研究。Clin Endosc 2020;53:387-394
GI内窥镜检查中的机器学习：如何解释新领域的实用指导
摘要，胃肠道文献的重点是内窥镜检查中使用机器学习。该领域的相对新颖性对GI期刊的评论者和读者构成了挑战。需要理解机器学习研究的科学质量和新颖性，需要了解技术基础和常用技术。临床医生通常缺乏这种技术背景，而机器学习专家可能不熟悉临床意义和对日常实践的影响。因此，关于如何在内窥镜检查中进行高质量的机器学习研究的多学科，国际评估越来越需要。本评论旨在为经过同行评审的GI期刊的读者和审阅者提供指导，以允许对机器学习研究最相关的质量要求进行严格的评估。本文概述了共同趋势及其潜在的陷阱，并提出了六个总体主题的全面质量要求：术语，数据，算法描述，实验设置，结果解释和临床实践中的机器学习。
胃肠内窥镜检查中的人工智能
人工智能 (AI) 正在迅速融入现代技术和临床实践。尽管还处于起步阶段，但 AI 已成为临床实践应用的热门研究课题。多个医学领域都已开始考虑未来 AI 辅助诊断和病理学应用的可能性。在胃肠病学领域，AI 已被研究作为辅助风险分层、诊断和病理鉴定的工具。具体而言，AI 已成为内窥镜检查领域的一大热门，因为它是一项具有巨大潜力的技术，有望彻底改变现代胃肠病学家的实践。从癌症筛查到自动报告生成，AI 已涉及现代内窥镜检查的各个方面。在这里，我们回顾了内窥镜检查中具有里程碑意义的 AI 发展。从广泛的定义开始，以加深理解，我们将总结 AI 研究的现状及其潜在应用。随着创新的快速发展，本文涉及自千禧年初首次评估以来 AI 辅助内窥镜检查的显著进步，以及这些 AI 模型可能对现代临床实践产生的潜在影响。与任何新技术的讨论一样，要成功应用临床 AI 工具，还必须了解其局限性。Clin Endosc 2020；53：132-141
使用人工智能减少荧光透视引导内窥镜检查中的辐射暴露
结果：在使用传统（n = 50）或 AI 透视系统（n = 50）进行手术的 100 名患者中，传统和 AI 透视系统在人口统计学、体重指数、手术类型以及手术或透视时间方面没有显著差异。与传统系统相比，AI 透视系统对患者的辐射暴露较低（中位剂量面积乘积 2,178 vs 5,708 mGym 2 ，P = 0.001），对内窥镜人员的散射效应较小（总深剂量当量 0.28 vs 0.69 mSv；差异为 59.4%）。在多元线性回归分析中，调整患者特征、手术/透视持续时间和透视系统类型后，只有配备 AI 的透视系统（系数 3,331.9 [95% 置信区间：1,926.8 – 4,737.1，P < 0.001）和透视持续时间（系数 813.2 [95% 置信区间：640.5 – 985.9]，P < 0.001）与辐射暴露相关。
图像数据库、人工智能和胶囊内窥镜；赌注就在眼前
胶囊内镜已成为小肠检查的主要内镜方式，这一点已得到时间的认可。因此，胶囊内镜 (CE) 已成为千禧一代的又一项技术，他们现在以力量、意志和决心展望未来，走上更具颠覆性的道路 [1]。尽管如此，即使对于勇敢的年轻人来说，成熟也伴随着一定的“义务”和社会要求。当然，当医疗技术成为关注的主题时，这或多或少会转化为诊断产量、并发症率和质量/性能保证措施 [2 – 4]。此外，就该领域的未决问题而言，仍然存在一些问题。我们也许毫不犹豫地一口气数出 CE 的适应症，甚至提供类似的并发症率和安全“胶囊化”的途径，但对于我们这些在高容量中心阅读 CE 视频的人来说，我们希望制造商现在已经对一些技术调整进行了分类。它们的范围从更好的图像分辨率和电池寿命到各种软件增强和/或硬件进步 [5, 6]。事实上，我们一直在重复呼吁 CE 革命的下一波浪潮，即包括治疗能力、集成/智能、数据（不仅仅是图像）收集、驱动和定位的浪潮，总结了任何当前可用的 CE 提供系统必须面对的主要挑战，以提高其市场提案和价值超过竞争对手。人工智能 (AI) 的热潮并不新鲜；事实上，CE 阅读软件的本质是早期人工智能的应用之一。Lewis Score [7]、QuickView [8]、疑似血液指标 [9] 等工具只不过是专有阅读软件早期版本中集成的人工智能的巧妙片段，主要目的是协助、支持和/或加快医疗决策过程 [10]。
