在胰腺肿块的内镜超声引导下细针穿刺（EUS-FNA）过程中，利用人工智能辅助进行实时细胞学诊断（附视频）

《Digestive Endoscopy》：AI-Assisted Real-Time Cytologic Diagnosis During EUS-FNA of Pancreatic Masses (With Video)

本研究评估人工智能辅助ROSE（AI-ROSE）在超声内镜引导细针穿刺活检（EUS-FNA）中的诊断能力，通过137例患者的数据训练模型，结果显示AI-ROSE在细胞簇分类中准确率达89.8%，显著优于人工且速度提升显著。

　　

摘要

背景

快速的现场评估可以提高内镜超声引导下细针穿刺（EUS-FNA）的诊断效果，但细胞病理学家的能力存在局限性。本研究旨在评估人工智能辅助的ROSE（AI-ROSE）在EUS-FNA中的诊断能力。

方法

本研究共纳入137名患者在2019年4月至2021年8月期间接受胰腺肿块EUS-FNA检查。参与者被分为训练组（n=96）、验证组（n=15）和测试组（n=26）。从训练/验证组中提取了5157张细胞簇的数字图像，并将其分割成288×288像素的图像块。这些细胞簇被标注并分为五类。同时开发了一种语义分割算法。从测试组中提取了120个细胞簇，以比较AI-ROSE与21名内镜医师和5名具有不同ROSE操作经验的细胞技术专家的诊断性能。

结果

总共提取了1,097,840个训练样本、31,817个验证样本和1,920个测试样本。在测试组中，AI-ROSE对三类分类（类别1/2、类别3以及类别4/5）的准确率为89.8%；对于两类分类（类别1/2/3和类别4/5），其敏感性、特异性和准确率分别为89.3%、98.1%和95.1%。在对比组中，AI-ROSE的两类分类准确率为93.3%，显著高于所有内镜医师（68.3%，范围45.8%–86.7%）和细胞技术专家（76.3%，范围72.5%–78.3%）。AI-ROSE处理120个细胞簇的耗时为6.04秒，远低于所有内镜医师（1800–6000秒）和细胞技术专家（2160–3600秒）的处理时间。

结论

AI-ROSE模型在诊断胰腺细胞簇方面表现出卓越的速度和准确性，有助于在EUS-FNA过程中快速做出决策。UMIN-CTR；编号000042212。

披露信息

本研究已在大学医院医疗信息网络临床试验注册系统（UMIN-CTR；编号000042212）中按照CONSORT指南进行注册。

利益冲突

M.K.担任《Digestive Endoscopy》杂志的副主编。其他作者声明没有利益冲突。