盡管在最近的一項大型研究中，深度學習在檢測和定位結(jié)直腸息肉方面的準確性高達96%以上，但腸胃病學家們無需擔心會被機器取代，并且患者不必擔心機器人結(jié)腸鏡檢查員。

該研究由加州大學歐文分校的醫(yī)師和計算機科學家進行，并于2018年10月版《胃腸病學》上發(fā)表。

該評論在談到從Valduce醫(yī)院的意大利科莫GI專家，現(xiàn)在是電流轉(zhuǎn)化學和免疫。

醫(yī)學博士Franco Radaelli和醫(yī)學博士Silvia Paggi認為該研究的意義，并提出了“人性化”的三個方面，否則，結(jié)腸鏡檢查程序和解釋的質(zhì)量將受到嚴重影響。

1.使息肉進入視野所需的技能。“盡管很難進行客觀評估，但該技術(shù)嚴格與內(nèi)鏡醫(yī)師有關(guān)，并且代表了區(qū)分高低腺瘤檢測器的有力指標，” Radaelli和Paggi寫道。

2.將注意力集中在視野內(nèi)的病變上的能力?！巴ㄟ^使用眼動追蹤技術(shù)評估內(nèi)鏡醫(yī)師的視覺凝視模式對腺瘤檢出率的影響的研究，這是一種檢測觀察模式差異的客觀工具，［已］定義了與專家行為相關(guān)的獨特視覺凝視模式。”

3.有能力將目標病變與周圍正常的黏膜或其他細微的黏膜病變區(qū)分開，沒有臨床意義?！斑@主要取決于內(nèi)鏡醫(yī)師的經(jīng)驗和文化。無柄鋸齒狀病變的情況一直存在，但直到最近才被忽視，這代表了這種情況。

Radaelli和Paggi承認前兩個項目特別是與檢查程序有關(guān)，而不是目測檢查，因此認為結(jié)腸鏡檢查AI至少在AI可靠地使假陽性率遠低于報告的7%之前，仍將依賴于人類解釋器。 2018年的研究。

“正如［UC-Irvine］研究中所證明的那樣，添加新的訓練樣本不僅具有更多的息肉，而且具有隨機的偽像，例如水，空氣，氣泡，糞便和低質(zhì)量的模糊框，可以降低假陽性率圖片”，他們寫道。

他們都同意，無論哪種方式，“在結(jié)腸鏡檢查期間使用計算機輔助檢測系統(tǒng)進行息肉檢測非常令人興奮，我們相信在不久的將來，這些技術(shù)將成為現(xiàn)代內(nèi)窺鏡平臺的一部分?！?/p>

責任編輯：lq