东京医科和牙科大学(TMDU)的研究人员已经开发出一种人工智能系统，利用实时临床视频成像来检测和描述疾病状况，减少昂贵和侵入性活检的需要
当去看医生时，许多病人更喜欢非侵入性的治疗方法，而不是有侵入性的、可能很痛苦的治疗方法。幸运的是，TMDU的研究人员已经开发出一种工具，可以减少对溃疡性结肠炎的侵入性诊断程序的需要。
内镜和组织学评估在诊断各种疾病中都很重要。在内窥镜检查中，一根带有灯和摄像机的长软管被直接插入病人体内，以检查特定的器官或组织。为了进行组织学评估，活检，即从患者体内提取的组织样本，在体外进行测试。为了防止不必要的活检和改善医学诊断，TMDU的研究人员之前开发了一种名为DNUC的深度神经网络系统，用于评估溃疡性结肠炎，这是一种发生在大肠中的慢性疾病，其特点是结肠内壁的慢性炎症。无需活检，这种人工智能工具可以评估组织图像，以确定和量化炎症和疾病的区域。
在他们的最新研究中，该团队将DNUC的应用从静态图像扩展到溃疡性结肠炎患者的实时结肠镜检查视频。这项前瞻性多中心研究共纳入770例患者。研究人员证明，DNUC可以实时确定炎症的存在或不存在，DNUC结果与专家诊断的符合率很高。DNUC也能够以较高的准确性预测缓解病例。
该研究的主要作者Kento Takenaka说:“我们证实了DNUC可以自动识别炎症区域，并为这些区域提供内镜评分。”将DNUC算法得到的分数与专家分配的分数进行比较，结果显示出较高的一致性，验证了DNUC算法的准确性。
这个人工智能工具可以为医疗领域提供很多好处。该研究的资深作者Mamoru Watanabe说:“DNUC的使用可以减少活检的需要，从而为患者和医生节省时间和成本。”DNUC系统还具有比医生更快地评估图像和视频片段的潜力。此外，内窥镜检查需要培训，对内窥镜检查结果的解释可能是主观的，因人而异。DNUC可以允许在评估中有更多的量化标准，解决当前关于医学诊断中的可变性和偏倚的问题。
该系统可应用于商用结肠镜检查平台，从而促进其在临床实践中的应用。DNUC还可以促进初级胃肠病学家的培训。总的来说，这项工作突出了人工智能改善当前医疗保健的潜力。
这项研究发表在《柳叶刀胃肠病学与肝病学》杂志上。
