XiaoMi-AI文件搜索系统
World File Search System胃肠病
评论“胃肠病学中的人工智能
近二十年前，结肠胶囊内镜 (CCE) 被引入。最初，它受到图像质量差和电池续航时间短的限制，但由于技术进步，它已成为光学结肠镜 (OC) 的同等诊断替代方案。受 2019 年冠状病毒病大流行的推动，CCE 已被引入临床实践，以减轻负担过重的内镜部门并将检查转移到门诊。积极的患者体验将促进 CCE 的更广泛采用，因为它提供的诊断检查并不逊于其他方式。CCE 的缺点包括无法区分腺瘤性息肉和增生性息肉。解决这个问题将改善息肉切除患者的分层。人工智能 (AI) 在息肉检测和表征方面表现出良好的效果，可最大限度地减少不完整的 CCE 并避免不必要的检查。机载 AI 似乎是一种必要的应用程序，可以实现近乎实时的决策，以减少患者的等待时间并避免不必要的后续 OC。通过这封信，我们讨论了 AI 在 CCE 中作为大肠诊断工具的潜力和作用。
原创研究调查英国胃肠病学家和内镜医师对人工智能的看法
摘要 背景和目的 随着人工智能 (AI) 可能融入临床实践，了解最终用户对这项新技术的看法至关重要。这项研究得到了英国胃肠病学会 (BSG) 的认可，旨在评估英国胃肠病学和内镜学界对 AI 的看法。 方法 制定了一项在线调查，并分发给英国各地的胃肠病学家和内镜医师。 结果 104 名参与者完成了调查。内镜质量改进 (97%) 和更好的内镜诊断 (92%) 被认为是 AI 对临床实践最有益的应用。最大的挑战是错误诊断的责任 (85%) 和算法的潜在偏见 (82%)。缺乏指南 (92%) 被认为是在常规临床实践中采用 AI 的最大障碍。参与者认为实时内镜图像诊断 (95%) 是 AI 的研究重点，而认为 AI 研究最重大的障碍是资金 (82%) 和注释数据的可用性 (76%)。参与者认为 BSG AI 工作组的优先事项是确定研究重点 (96%)、在临床实践中采用 AI 设备的指南 (93%) 以及支持开展多中心临床试验 (91%)。结论 这项调查确定了英国胃肠病学和内镜学界对临床实践和研究中的 AI 的看法，并确定了新成立的 BSG AI 工作组的优先事项。
胃肠病学
人工智能 (AI) 是一个总称，用于描述一组相互关联的领域。机器学习 (ML) 是指从过去的数据中学习以预测未来数据的模型。医学，特别是胃肠病学和肝病学，是数据丰富的领域，拥有广泛的数据存储库，因此为基于 AI/ML 的软件应用提供了丰富的基础。在本研究中，我们全面回顾了基于 AI/ML 的模型在这些领域的当前应用及其应用带来的机遇。具体而言，我们指的是基于 AI/ML 的模型在预防、诊断、管理和预后胃肠道出血、炎症性肠病、胃肠道癌前和恶性病变、其他非恶性胃肠道病变和疾病、乙型和丙型肝炎感染、慢性肝病、肝细胞癌、胆管癌和原发性硬化性胆管炎方面的应用。同时，我们确定了制约这些模型在医疗保健领域广泛应用的主要挑战，并努力探索克服这些挑战的方法。值得注意的是，我们详细阐述了对内在偏见、数据保护、网络安全、知识产权、责任、道德挑战和透明度的担忧。尽管速度比预期的要慢，但人工智能正在渗透到医疗保健行业。医疗保健领域的人工智能将成为现实，每位医生都必须参与其中。
抗血小板或抗凝治疗的患者内窥镜检查：英国胃肠病学会（BSG）和欧洲胃肠道内窥镜学会（ESGE）指南指南更新
摘要这是英国胃肠病学会（BSG）与欧洲胃肠道内窥镜检查学会（ESGE）之间的合作，并且是其2016年对抗血小板或抗凝治疗患者内窥镜检查指南的计划更新。指南开发委员会包括英国血液学学会，英国心血管干预学会的代表，以及英国慈善抗凝的两名患者代表以及英国血栓形成，以及胃肠病学家。使用年级方法学得出了符合同意II原则的过程以及证据和建议的强度。在提交出版之前，与包括BSG在内的所有成员社会进行了咨询。基于证据的修订是对内窥镜程序的风险类别以及血栓形成风险的类别的。尤其是对房颤的更详细的风险分析，并且根据以前的版本以来发布的试验数据，对直接口服抗凝剂的建议得到了加强。已经在急性胃肠道出血的患者的管理中添加了一个部分。重要的患者考虑重点。建议是基于在给定情况下血栓形成和出血之间的风险平衡。
引用：Kohli A、Holzwanger EA、Levy AN。人工智能在炎症性肠病中的新兴应用。世界胃肠病杂志 2020； 26(44): 6923-6928
最近，来自大型临床试验、电子健康记录、医学影像、生物库和多组学（基因组学、转录组学、代谢组学和蛋白质组学）数据库的“大数据”被越来越多地用于提高诊断准确性和治疗反应的可预测性 [ 2 ] 。然而，大数据在预测模型开发中的应用受到临床和非临床因素的高维性的困扰 [ 2 ] 。为了克服这一挑战，机器学习 (ML) 越来越多地被用于组织和解释这些大型数据集，以识别具有临床意义的模式并将其转化为改善的患者结果 [ 3 ] 。本综述重点介绍了将人工智能 (AI) 和机器学习纳入 IBD 领域的新兴努力。
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。
用于理解胃肠病学影像、文本和数据的人工智能
人工智能 (AI) 已经到来，触及娱乐、教育、制造和医学等各个行业。人工智能是指机器能够独立收集信息，然后在先前知识的背景下进行测量、判断和预测。人工智能由机器学习驱动，机器学习是一组计算方法，用于从训练数据中的模式和关系中学习以预测结果或事件。对人工智能的希望和炒作都包含着准确性、速度、降低成本和超越人类感知的洞察力等概念。人工智能的这些潜在方面使其成为一种有吸引力的工具，有助于通过技术创新实现医疗保健领域的精确性、价值和创新承诺。支持人工智能在医学领域的出现是 3 大支柱的成熟。首先，
英国胃肠病学会、皇家放射学院和皇家病理学院关于肝活检临床实践应用的指南
摘要 当无法通过更安全的方式获取有关患者诊断、预后或治疗的重要临床信息或出于研究目的时，需要进行肝活检。肝活检有几种方法，但主要采用经皮或经静脉方法。有多种针头可供选择，所用的方法和针头类型取决于患者的临床状况和当地专业知识，但对于非病变活检，建议使用 16 号针头。许多肝病患者的实验室凝血测试结果异常或接受抗凝或抗血小板药物治疗。更好地了解肝病止血变化有助于制定更合理、更基于证据的活检周围管理方法。总体而言，肝活检是安全的，但发病率和死亡率都很低，因此必须充分咨询患者。标本必须足够大才能进行组织病理学解释。与组织病理学家的沟通，获取相关的临床信息和其他调查的结果，对于生成具有临床用途的报告至关重要。
北美儿科胃肠病学会
过去十年来，儿童炎症性肠病 (IBD) 的发病率一直在上升，其中最快增长的是诊断年龄小于 6 岁的儿童，即极早发性炎症性肠病 (VEO-IBD)。这些儿童的病情可能比大龄儿童和成人更严重。宿主基因对这一人群的影响突出表现为发病年龄小和独特的侵袭性表型。事实上，在患有 VEO-IBD 的儿童中已发现单基因缺陷，通常涉及原发性免疫缺陷基因，并已导致有针对性的救命治疗。本立场文件将讨论 VEO-IBD 的表型，概述针对这些儿童的方法和评估，以及哪些因素应引发对潜在免疫缺陷的关注。然后，我们将回顾有助于确定 VEO-IBD 患者潜在诊断的免疫学检测和遗传学研究，以及这种评估如何导致有针对性的治疗。本立场文件还将帮助儿科胃肠病学家识别何时应将患者转诊到专门照顾这些患者的中心。这些指南适用于儿科医生、照顾儿童的相关健康专业人员、儿科胃肠病学家、儿科病理学家和免疫学家。