XiaoMi-AI文件搜索系统
World File Search System结肠镜
设计用于持续人工智能支持的视觉标记：结肠镜检查案例研究
结肠镜检查是使用内窥镜对大肠进行视觉检查，通过检测和切除癌前息肉来预防结肠直肠癌。关于息肉检测的文献显示，临床医生的漏诊率差异很大，平均在 22-27% 左右。虽然最近的研究考虑使用 AI 支持系统进行息肉检测，但如何将这些系统可视化并整合到临床实践中仍是一个悬而未决的问题。在这项工作中，我们探索了结肠镜检查 AI 支持系统中使用的视觉标记的设计。在我们团队的胃肠病学家的支持下，我们设计了七个独特的视觉标记，并将它们呈现在真实的患者视频片段上。通过针对相关临床工作人员（N = 36）的在线调查，我们评估了这些设计，并获得了初步的见解和理解，了解临床工作人员如何设想将 AI 融入他们的日常工作环境。我们的研究结果为未来在连续、自适应场景中部署人工智能支持系统提供了具体的建议。
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。
结直肠癌筛查（COL-E）
结肠镜检查CPT 44388，44389，44390，44391，44392，44394，44401，44401，44402，444403，44404，44404，444405，444406 45382,45384，45385，45386，45388，45389，45390，45391，45391，45392，45393，45398 HCPCS G0105：结直肠癌筛查；高风险G0121的个人结肠镜检查：结直肠癌筛查； colonoscopy on individual not meeting criteria for high risk SNOMED CT 8180007: Fiberoptic colonoscopy through colostomy (procedure) 12350003: Colonoscopy with rigid sigmoidoscope through colotomy (procedure) 25732003: Fiberoptic colonoscopy with biopsy (procedure) 34264006: Intraoperative colonoscopy (procedure) 73761001：结肠镜检查（程序）174158000：开放结肠镜检查（程序）174185007：结肠病变和结肠病变活检的诊断纤维内窥镜检查（程序）235150006 235150006：总结肠镜检查（程序）235151005：限制性结肠镜检查（限制性）275： examination of colon using fiberoptic sigmoidoscope (procedure) 302052009: Endoscopic biopsy of lesion of colon (procedure) 367535003: Fiberoptic colonoscopy (procedure) 443998000: Colonoscopy through colostomy with endoscopic biopsy of colon (procedure) 444783004: Screening colonoscopy (procedure) 446521004：结肠镜检查和结肠粘膜的切除（程序）446745002：结肠镜检查和结肠镜检查和活检（程序）447021001：结肠镜检查和纹身（过程）（程序）709421007：使用结肠镜检查和柱子sproture 1：colonoscopicy and dialation of Colonsoscopicy and bolation color coliature of Colonsoscopicy and Propure of Collature of Collature of Collature of Collature of Collature of Collature of Collature（71029）710229292929292929292929971029710292透视指南（程序）711307001：使用X射线指导（程序）结肠镜检查（程序）789778002：结肠镜检查和粪便菌群移植（程序）1209098000：纤维结肠镜检查，结肠镜检查具有结肠病变（过程）
基于人工智能的结肠镜撤出技术评估：一种测量和提高折叠检查质量的新方法
通过结肠镜检查早期发现和切除腺瘤性息肉仍被认为是预防结直肠癌 (CRC) 的金标准。然而，25% 的腺瘤在检查中被遗漏，这与间隔 CRC 显著相关 [1, 2]。一些研究表明，更高质量的结肠镜退出技术与更低的腺瘤漏诊率相关，并且四项互补的技能有助于提高结肠镜筛查中的检查质量：1) 折叠检查，2) 黏膜清洁，3) 管腔扩张，和 4) 观察时间的充分性 [3]。据报道，作为主要因素，折叠检查与由于结肠镜检查盲点而未出现在视野中的息肉显著相关 [4]。因此，强烈建议在结肠镜检查期间进行折叠检查以评估结肠镜退出技术。然而，缺乏质量监督体系给结肠镜检查质控带来很大挑战。近年来，深度卷积神经网络（DCNN）已成功用于息肉的实时检测，以及肠道准备、拔出速度和拔出时间的评估[5-8]。这些研究表明人工智能（AI）可以间接提高结肠镜检查的质量控制。然而，到目前为止，还没有研究报道使用DCNN对结肠镜拔出技术进行褶皱检查质量（FEQ）评估。本研究旨在开发一种基于人工智能的结肠镜拔出技术FEQ评估系统，并确定该系统对FEQ的评估与专家确定的全结肠FEQ评分之间的关系。我们还旨在分析 FEQ 评分与历史腺瘤检测率 (ADR) 和个体结肠镜检查医师平均退出时间之间的关系，并评估使用基于 AI 的系统是否可以改善临床实践中的 FEQ。
人工智能对结直肠息肉检测的影响......
摘要 结直肠癌 (CRC) 是世界第三大常见癌症。结肠镜检查对降低 CRC 的发病率和死亡率做出了重大贡献。人工智能 (AI) 融入结肠镜检查实践解决了筛查结肠镜检查的各种缺点。人工智能辅助结肠镜检查将有助于实时识别具有可能组织学的息肉类型。这不仅可以节省时间，还有助于减少人为错误。计算机辅助检测和计算机辅助表征是人工智能的两种应用，目前正在广泛研究，旨在提高息肉和腺瘤的检出率。全球正在进行多项研究，这些研究要么涉及简单的决策算法，要么通过模仿人脑的神经网络涉及复杂的模式。大多数数据都是回顾性收集的，研究仅限于单中心研究，可能存在偏差。因此，未来结肠镜检查人工智能的研究应致力于开发更复杂的卷积神经网络和深度学习模型，这将有助于标准化实践并确保所有结肠镜检查具有相同的准确度，无论执行内镜检查的医师经验如何。在这篇评论中，我们将仔细研究人工智能的现状及其与结肠镜检查领域的整合。
Jamie Yang DDW23：集成人工智能的 NLP 仪表板...
Eric Esrailian 2 , Folasade P. 5 月 2、5、6 日 1 加州大学洛杉矶分校内科系，美国加利福尼亚州洛杉矶 2 Vatche 和 Tamar Manoukian 消化系统疾病科；加州大学洛杉矶分校大卫格芬医学院 3 加州大学洛杉矶分校放射科学系；数据集成、架构和分析组 4 罗马琳达大学医学院 5 大洛杉矶退伍军人事务健康系统，美国加利福尼亚州洛杉矶 6 加州大学洛杉矶分校凯撒医疗机构健康公平中心，琼森综合癌症中心 类别：ASGE。临床内窥镜实践 2。质量措施和质量测量限制：2881/2900 个字符 截止日期：2022 年 12 月 1 日下午 6 点 PST 简介：高质量的结肠镜检查是有效结直肠癌 (CRC) 筛查的标志。尽管全国都关注结肠镜检查质量，但测量质量指标 (QI) 是一项劳动密集型工作，而且往往不一致。我们之前开发并验证了一种自然语言处理 (NLP) 算法，该算法可自动提取和报告我们医疗系统中的结肠镜检查 QI。在这个质量计划中，我们使用这些 NLP 衍生的 QI 指标构建了一个临床仪表板，用于跟踪实时结肠镜检查 QI 数据。方法：本研究的背景是一个大型学术健康中心，拥有明确的初级保健人群、强大的转诊护理和 6 个门诊内窥镜检查设施，每年进行超过 17,000 次筛查结肠镜检查。在之前的工作中，我们开发、验证并集成了一种 NLP 算法到我们的医疗系统中，该算法利用机器学习来识别、提取和构建来自自由文本电子健康记录结肠镜检查和病理报告中的数据。根据 2015 年 ASGE/ACG 结肠镜检查质量指标建议，这些数据能够实时测量结肠镜检查 QI。对于这一质量改进举措，我们召开了跨学科会议，讨论仪表板内容和格式，以实现最佳 QI 信息分散。仪表板目前包含五个 QI，这些 QI 是在我们机构进行的所有筛查/监测结肠镜检查中测量的：结肠镜检查指征记录 (IND)、盲肠插管 (CI)、肠道准备记录 (BP)、充分肠道准备 (ABP) 和腺瘤检测率 (ADR；按机构、提供者和患者性别)。ASGE/ACG 针对每个 QI 的绩效目标都以基准表示。仪表板不包括每年进行 <20 次结肠镜检查的结肠镜检查医师。结果：该图显示了 2022 年 1 月 1 日至 2022 年 9 月 30 日期间结肠镜检查 QI 临床仪表板的快照。在此期间，共为 12,792 名患者进行了 12,903 次结肠镜检查。患者中 52.2% 为女性，48.2% 为非白人，平均年龄为 56.4 ± 8.51 岁（表格）。平均医疗系统绩效为：IND 为 100%，CI 为 100%，BP 为 100%，ABP 为 97.9%，女性 ADR 为 30.5%，男性 ADR 为 43.0%。所有五个测量的机构 QI 均超过了 ASGE/ACG 绩效目标。总体而言，94.1% 的提供商达到了 ASGE/ACG 男性 ADR，84.3% 的提供商达到了 ASGE/ACG 女性 ADR 目标。（图）结论：我们成功开发了一个实时临床仪表板，可以实现可视化，并定期反馈筛查结肠镜检查的质量。该仪表板将用于识别表现不佳的结肠镜检查医师，帮助评估是否需要未来的干预措施，并允许方便地评估这些干预措施。未来的发展将包括在仪表板中索引术前和术后 QI。
结直肠癌 - FDA
其他有效的筛查方法包括粪便检查（可配合或不配合柔性乙状结肠镜检查），柔性乙状结肠镜检查类似于结肠镜检查，但不能检查整个结肠。CT 结肠镜检查（放射科医生进行的检查）也用于筛查患者是否患有结肠直肠癌。如果发现异常，您的医生将确定是否需要进行后续结肠镜检查。
医生对结肠镜检查中人工智能 (AI) 的看法：一项针对美国胃肠病学家的调查
背景和研究目的 早期研究表明，人工智能 (AI) 有可能提高胃肠病学家在内窥镜检查期间的表现。我们的目标是确定胃肠病学家如何看待 AI 在胃肠内窥镜检查中的潜在作用。 方法 在这项横断面研究中，向美国胃肠病学家发送了一份在线调查。调查问题包括医生的培训水平、经验和实践特征以及医生对 AI 的看法。描述性统计数据用于总结对 AI 的看法。单变量和多变量分析用于评估医生的背景信息是否与他们的情绪相关。 结果 调查问卷通过电子邮件发送给全国 330 名胃肠病学家。2018 年 12 月至 2019 年 1 月期间，124 名医生（38%）完成了调查。86% 的医生表示对 AI 辅助结肠镜检查感兴趣；84.7% 的人同意计算机辅助息肉检测 (CADe) 将改善他们的内窥镜检查表现。在受访者中，57.2 % 的人愿意使用计算机辅助诊断 (CADx) 来支持增生性息肉的“确诊即走”策略。多变量分析表明，研究员职位后经验不足 15 年是决定医生是否相信 CADe 会切除更多息肉的最重要因素（风险比 = 5.09；P = .01）。关于实施 AI 最常见的担忧是成本（75.2 %）、操作员依赖性（62.8 %）和手术时间增加（60.3 %）。结论胃肠病学家对将 AI 应用于结肠镜检查有着浓厚的兴趣，尤其是对于使用 CADe 检测息肉。主要担忧是其成本、可能增加手术时间以及可能产生操作员依赖性。AI 的未来发展应优先考虑缓解这些担忧。
