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)
由于学术论文数量巨大,很难对关于该研究领域的一般性问题提供全面的答案,例如,谁是主要作者,关于该研究主题的关键问题或见解是什么。在此基础上,我们使用 Litstudy,一个 Python 库来调查和深入了解用于结肠镜检查的人工智能(AI)学术出版物。使用“AI”和“结肠镜检查”关键词作为书目数据的搜索结果,提取并合并为 CSV 文件。下载了 5872 份书目数据,其中 3865 份来自 IEEE Xplore,2007 份来自 Springer。Scopus 产生了 5083 篇引文,而 789 篇不可用的引文被丢弃。非负矩阵分解(NMF)模型用于生成主题聚类,阈值为 0.85。结果显示,“患者”在四个主题中出现次数最多:2、3、7 和 10,我们使用主题云进一步将其可视化。令人惊讶的是,尽管使用“人工智能”关键词查询 IEEE、Springer 和 Scopus 数据库,主题 5 中的 AI 却是主题云中最模糊的词。结肠镜检查中结肠癌康复的主题 10 词聚类显示主题聚类之间的关系较弱。该项目能够选择特定的科学文章,使用自然语言处理 (NLP) 检查和可视化它们的学术贡献,进行书目网络分析,最重要的是,揭示了对结肠镜检查出版物中 AI 词聚类的见解。
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
• 200mL Full sugar Coke/Pepsi/Lemonade (full can of Coke/ Pepsi/Lemonade is 330mL) • 200mL apple juice • Sugar water – 4 teaspoons sugar dissolved in 200mL water • 200mL full sugar Ribena – use 30mL (2 tablespoons Ribena and dilute with water to total volume of 200mL)
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。
(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
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。
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。
大多数此类系统都需要昂贵的高精度光学设备,如激光器、光谱仪和嵌入在设备中的光纤。[19,22] 细胞计数器还依靠加压管系统在微通道中聚焦流体动力流。[23,24] 因此,这些传感器受到其结构刚性和繁琐的光电装置的限制。这使得这些传感器不适合在临床场景中使用,例如在结肠镜检查期间,因为结肠镜检查需要在曲折区域中连续移动,并且需要实时收集数据(即检测出血)。在设计结合软光学传感的 LOC 设备方面已经取得了进展。[25 – 27] 许多光流体传感器已经成功地将聚合物波导集成到微流体中的光中
本综述重点介绍了结肠镜检查这一用途最广泛的 CRC 诊断测试。它仍然是 CRC 的金标准诊断工具,并且通过筛查和切除息肉或癌前病变来预防 CRC。这项工作还提供了最有前景的生物标志物,这突出表明,将新型生物标志物与临床和病理特征结合使用,可以为 CRC 患者提供更加个性化的治疗方法和针对性治疗。CRC 是全球第三大常见癌症,也是癌症相关死亡的第二大原因。印度尼西亚总人口为 273,523,621 人,估计有 396,914 例新发癌症病例和 234,511 例癌症相关死亡病例。在这些癌症病例中,估计 2020 年有 34,189 例新发 CRC 病例和 17,786 例 CRC 死亡病例。与远端结肠或近端结肠相比,大多数 CRC 病例位于直肠。临床体征、症状和治疗方法各不相同,取决于 CRC 的分期和位置。这些癌症位置在相关的分子改变方面有所不同。结肠镜活检中的肿瘤组织生物标志物测试可帮助医生选择特定的 CRC 治疗方法,并且可使用这些测试确定预后价值、预测因素和靶向治疗。针对 KRAS/NRAS/BRAF 突变或野生型肿瘤、HER2 扩增肿瘤和 NTRK 基因融合阳性的晚期或 mCRC 患者建议进行靶向治疗,而免疫治疗仅适用于 MSI-High(dMMR)状态的肿瘤。针对结直肠 CSC 的生物标志物和靶向方法正在开发中,这将具有相当大的挑战性。