AI ຊ່ວຍວິນິດໄສໃນເວລາຈິງຂອງ endoscopes ທາງການແພດແມ່ນຫນຶ່ງໃນເຕັກໂນໂລຢີການປະຕິວັດທີ່ສຸດໃນພາກສະຫນາມຂອງປັນຍາທຽມທາງການແພດໃນຊຸມປີມໍ່ໆມານີ້. ໂດຍຜ່ານການປະສົມປະສານເລິກຂອງສູດການຄິດໄລ່ການຮຽນຮູ້ທີ່ເລິກເຊິ່ງແລະຮູບພາບ endoscopic, ມັນໄດ້ບັນລຸການພັດທະນາແບບກ້າວກະໂດດຈາກ "ຢາປົວພະຍາດ" ໄປສູ່ "ຢາອັດສະລິຍະທີ່ມີຄວາມຊັດເຈນ". ຕໍ່ໄປນີ້ໃຫ້ການວິເຄາະທີ່ສົມບູນແບບຈາກ 8 ມິຕິ:

1. ຫຼັກການດ້ານວິຊາການ ແລະສະຖາປັດຕະຍະກຳລະບົບ

ອົງປະກອບຫຼັກ:

ຊັ້ນການໄດ້ມາຮູບພາບ: ກ້ອງຄວາມລະອຽດສູງ 4K/8K + ການປັບປຸງແສງ (NBI/FECE)

ຊັ້ນປະມວນຜົນຂໍ້ມູນ: ຊິບເລັ່ງ AI ທີ່ອຸທິດຕົນ (ເຊັ່ນ: NVIDIA IGX)

ຊັ້ນຕົວແບບ Algorithm:

Convolutional Neural Networks (CNN): ResNet50, EfficientNet, ແລະອື່ນໆ

ຮູບແບບການວິເຄາະຊຸດເວລາ: LSTM ສໍາລັບການປະມວນຜົນການຖ່າຍທອດວິດີໂອ

Multimodal fusion: ສົມທົບຮູບພາບແສງສະຫວ່າງສີຂາວ / NBI / fluorescence

ການໂຕ້ຕອບແບບໂຕ້ຕອບ: ຄໍາອະທິບາຍແບບສົດໆ + ການສະແດງຄະແນນຄວາມສ່ຽງ

ຂັ້ນຕອນການເຮັດວຽກ:

ການໄດ້ມາຮູບພາບ → ການປະມວນຜົນກ່ອນ (ການປະຕິເສດ / ການເພີ່ມປະສິດທິພາບ) → ການວິເຄາະ AI (ການກວດພົບ / ການຈັດປະເພດ) →ການເບິ່ງເຫັນໃນເວລາທີ່ແທ້ຈິງ (ການກໍານົດຂອບເຂດ / ລະດັບການກະຕຸ້ນເຕືອນ) →ການນໍາທາງການຜ່າຕັດ

2. ຄວາມກ້າວໜ້າທາງດ້ານເທັກໂນໂລຍີທີ່ສຳຄັນ

ຂັ້ນຕອນການປະດິດສ້າງ:

ການຮຽນຮູ້ຕົວຢ່າງຂະຫນາດນ້ອຍ: ແກ້ໄຂບັນຫາຂອງຂໍ້ມູນຫຍໍ້ມາຈາກບໍ່ພຽງພໍ

ເທກໂນໂລຍີການປັບຕົວໂດເມນ: ປັບຕົວເຂົ້າກັບຮູບພາບຂອງອຸປະກອນຈາກຜູ້ຜະລິດທີ່ແຕກຕ່າງກັນ

ການກໍ່ສ້າງ lesion 3D: ການຄາດຄະເນປະລິມານໂດຍອີງໃສ່ຮູບພາບຫຼາຍກອບ

ການຮຽນຮູ້ຫຼາຍວຽກງານ: ການປະຕິບັດ synchronous ຂອງການຊອກຫາ / ການຈັດປະເພດ / segmentation

ການເລັ່ງຮາດແວ:

ອຸປະກອນຄອມພິວເຕີຂອບ (ຄວາມຊັກຊ້າທີ່ສົມເຫດສົມຜົນ <50ms)

ໂປເຊດເຊີ endoscope AI ພິເສດ (ເຊັ່ນ: ຊິບ Olympus ENDO-AID)

3. ສະຖານະການຄໍາຮ້ອງສະຫມັກທາງດ້ານການຊ່ວຍຕົ້ນຕໍ

ສະຖານະການວິນິດໄສ:

ການກວດຫາມະເຮັງກະເພາະລໍາໃສ້ເບື້ອງຕົ້ນ (ຄວາມອ່ອນໄຫວ 96.3%)

ການຈໍາແນກໃນເວລາທີ່ແທ້ຈິງຂອງຄຸນສົມບັດ polyp (ອັດຕາການກວດພົບ adenoma ເພີ່ມຂຶ້ນ 28%)

ການປະເມີນຄວາມຮຸນແຮງຂອງພະຍາດກະເພາະລໍາໄສ້ອັກເສບ (ການຄິດໄລ່ອັດຕະໂນມັດຂອງພື້ນທີ່ແຜ)

ສະຖານະການການປິ່ນປົວ:

ການນຳທາງການຜ່າຕັດ ESD/EMR (ຄວາມຖືກຕ້ອງຂອງການຮັບຮູ້ເຮືອ 99.1%)

ການຄາດຄະເນຄວາມສ່ຽງຂອງເລືອດອອກ (ຄໍາເຕືອນໃນເວລາທີ່ແທ້ຈິງ intraoperative)

ການວາງແຜນອັດສະລິຍະຂອງໄລຍະການຜ່າຕັດ

4. ການປຽບທຽບຜະລິດຕະພັນປົກກະຕິແລະຕົວກໍານົດການດ້ານວິຊາການ

ຊື່ຜະລິດຕະພັນ	ນັກພັດທະນາ	ເຕັກໂນໂລຊີຫຼັກ	ດັດຊະນີປະສິດທິພາບ	ພິສູດຢືນຢັນ
ENDO-AID	ໂອລິມປັສ	ການຟື້ນຟູ lesion 3D + ການປັບປຸງເສັ້ນເລືອດ	ອັດຕາການກວດພົບ Polyp 98.2%	FDA/CE
GI Genius	Medtronic	ຂັ້ນຕອນການຮຽນຮູ້ແບບປັບຕົວໄດ້	ຫຼຸດລົງ 41% ໃນອັດຕາການວິນິດໄສທີ່ພາດໂອກາດຂອງ adenomas	FDA PMA
Tencent Miying	ເທນເຊັນ	ການຮຽນຮູ້ການຖ່າຍທອດຫຼາຍສູນ	ການລະບຸມະເຮັງເບື້ອງຕົ້ນ AUC 0.97	ໃບຢັ້ງຢືນ NMPA Class III
CAD ຕາ	Fujifilm	ການວິເຄາະຮູບແບບເສັ້ນເລືອດ	ຄວາມຖືກຕ້ອງຂອງການກໍານົດຄວາມເລິກຂອງ tumor infiltration ແມ່ນ 89%	ນີ້

5. ການກວດສອບມູນຄ່າທາງດ້ານຄລີນິກ

ຂໍ້ມູນການຄົ້ນຄວ້າຫຼາຍສູນ:

ສູນມະເຮັງແຫ່ງຊາດຍີ່ປຸ່ນ: AI ຊ່ວຍເພີ່ມຂຶ້ນໃນອັດຕາການກວດຫາມະເຮັງກະເພາະໃນຕອນຕົ້ນຈາກ 72% ເປັນ 89%

ການສຶກສາ Mayo Clinic: ລະບົບ AI Colonoscopy ຫຼຸດຜ່ອນອັດຕາການວິນິດໄສທີ່ພາດໂອກາດ adenoma 45%.

ການສຶກສາທີ່ແທ້ຈິງຂອງຈີນ: ເພີ່ມຄວາມອ່ອນໄຫວຂອງການກໍານົດມະເຮັງ esophageal ໂດຍ 32%

ຜົນປະໂຫຍດດ້ານເສດຖະກິດສຸຂະພາບ:

27% ການຫຼຸດຜ່ອນຄ່າໃຊ້ຈ່າຍໃນການກວດສອບ (ການຫຼຸດຜ່ອນການ biopsies ທີ່ບໍ່ຈໍາເປັນ)

ວົງຈອນການຝຶກອົບຮົມທ່ານໝໍຫຼຸດລົງ 40%

ປະລິມານການກວດກາປະຈໍາວັນເພີ່ມຂຶ້ນ 35%

6. ຂໍ້ບົກຜ່ອງໃນການພັດທະນາເຕັກໂນໂລຢີ

ສິ່ງທ້າທາຍໃນປະຈຸບັນ:

ບັນຫາຂໍ້ມູນ silo (ມາດຕະຖານການຖ່າຍຮູບບໍ່ສອດຄ່ອງລະຫວ່າງໂຮງໝໍ)

ການຕັດສິນໃຈປ່ອງດໍາ (ການຕີຄວາມບໍ່ພຽງພໍຂອງພື້ນຖານການຕັດສິນ AI)

ຄວາມເຂົ້າກັນໄດ້ຂອງອຸປະກອນ (ຍາກທີ່ຈະປັບຕົວເຂົ້າກັບເຄື່ອງ endoscopes ຍີ່ຫໍ້ຕ່າງໆ)

ຄວາມຕ້ອງການໃນເວລາຈິງ (ການຄວບຄຸມການຊັກຊ້າການປະມວນຜົນການຖ່າຍທອດວິດີໂອ 4K)

ການແກ້ໄຂ:

ການຮຽນຮູ້ແບບສະຫະພັນທຳລາຍອຸປະສັກຂໍ້ມູນ

ແຜນທີ່ຄວາມຮ້ອນທີ່ເບິ່ງເຫັນໄດ້ອະທິບາຍການຕັດສິນໃຈຂອງ AI

ການໂຕ້ຕອບ DICOM-MEIS ມາດຕະຖານ

ການເພີ່ມປະສິດທິພາບຂອງຊິບ inference AI ທີ່ອຸທິດຕົນ

7. ຄວາມກ້າວຫນ້າທາງດ້ານເຕັກໂນໂລຢີຫຼ້າສຸດ

ທິດທາງຊາຍແດນ:

ຄູ່ແຝດດິຈິຕອນຜ່າຕັດ: ການຈໍາລອງກ່ອນການຜ່າຕັດ + ການປຽບທຽບໃນເວລາຈິງໃນລະຫວ່າງການຜ່າຕັດ

Multimodal fusion: ການລວມຂໍ້ມູນ ultrasound/OCT endoscopic

ການຮຽນຮູ້ທີ່ຄວບຄຸມດ້ວຍຕົນເອງ: ການຫຼຸດຜ່ອນການຂຶ້ນກັບຄໍາບັນຍາຍ

ການຮ່ວມມືກັບຄລາວ: ສະຖາປັດຕະຍະກຳຄອມພິວເຕີຂອບ 5G+

ຜົນສໍາເລັດທີ່ແຕກຕ່າງກັນ:

EndoGPT, "ຕົວແບບວິໄສທັດ Endoscopic" ລາຍງານໃນ Nature BME ໃນປີ 2023

ລະບົບ AI ນໍາທາງການຜ່າຕັດແບບ 3D ໃນເວລາຈິງທີ່ພັດທະນາໂດຍມະຫາວິທະຍາໄລ Stanford

ຫຸ່ນຍົນ Shurui ພາຍໃນປະເທດປະສົມປະສານລະບົບການຄວບຄຸມວິໄສທັດ AI

8. ທ່າອ່ຽງການພັດທະນາໃນອະນາຄົດ

ວິວັດທະນາການເຕັກໂນໂລຊີ:

ການວິວັດທະນາການຈາກການວິນິດໄສຊ່ວຍໄປສູ່ການຜ່າຕັດແບບອັດຕະໂນມັດ

ລະບົບການໃຫ້ຄໍາປຶກສາ AI ຫຼາຍສາຂາວິຊາ (Endoscopy+Pathology+Imaging)

AI (XAI) ທີ່ສາມາດອະທິບາຍໄດ້ເພີ່ມຄວາມໄວ້ວາງໃຈທາງດ້ານຄລີນິກ

ຄອມພິວເຕີ້ Quantum ເລັ່ງການຝຶກອົບຮົມແບບຈໍາລອງ

ນິເວດວິທະຍາອຸດສາຫະກຳ:

Endoscopy AI as a Service (EaaS) ແບບຈໍາລອງ

ເຄື່ອງບໍລິໂພກອັດສະລິຍະແບບປະສົມປະສານ (ເຊັ່ນ: ເຂັມສັກຢາ AI)

ຂະບວນການວິນິດໄສ ແລະການປິ່ນປົວແບບອັດຕະໂນມັດ (ຈາກການກວດຫາການຕິດຕາມ)

ການສາທິດກໍລະນີທາງດ້ານຄລີນິກ

ສະຖານະການຄໍາຮ້ອງສະຫມັກທົ່ວໄປ:

(1) ການກວດພະຍາດມະເຮັງກະເພາະອາຫານ:

AI ການຕິດສະຫຼາກຕາມເວລາທີ່ແທ້ຈິງຂອງບາດເຈັບທີ່ຫນ້າສົງໃສ (ຂອບເຂດ / microessels / ໂຄງສ້າງຫນ້າດິນ)

ສ້າງລາຍງານການໃຫ້ຄະແນນ LABC ໂດຍອັດຕະໂນມັດ

ຄໍາແນະນໍາທີ່ສະຫຼາດຂອງສະຖານທີ່ biopsy

(2) ການຜ່າຕັດ ESD Colorectal:

ການຄາດຄະເນຂອງຄວາມເລິກ infiltration tumor

ການຟື້ນຟູສາມມິຕິຂອງຫຼັກສູດ vascular

ການກະຕຸ້ນເຕືອນເຂດແດນຄວາມປອດໄພ

ສະຫຼຸບແລະຄາດຄະເນ

AI endoscope ທາງການແພດ ກຳ ລັງຜ່ານການຫັນປ່ຽນຈາກ "ການບຸກທະລຸຈຸດດຽວ" ໄປສູ່ "ຄວາມສະຫຼາດຂອງລະບົບ":

ໄລຍະສັ້ນ (1-3 ປີ): AI ກາຍເປັນການຕັ້ງຄ່າມາດຕະຖານສໍາລັບການ endoscopy, ມີອັດຕາການເຈາະຂອງຫຼາຍກວ່າ 60%.

ໄລຍະກາງ (3-5 ປີ): ບັນລຸອັດຕະໂນມັດຂອງຂະບວນການວິນິດໄສແລະການປິ່ນປົວທັງຫມົດ.

ໄລຍະຍາວ (5-10 ປີ): ຄວາມນິຍົມຂອງຫຸ່ນຍົນຜ່າຕັດອັດຕະໂນມັດ

ເທກໂນໂລຍີນີ້ຈະປ່ຽນຮູບແບບການວິນິດໄສແລະການປິ່ນປົວແບບ endoscopic, ໃນທີ່ສຸດກໍ່ເຮັດໃຫ້ວິໄສທັດຂອງການດູແລສຸຂະພາບລວມທີ່ຄົນເຈັບທຸກຄົນສາມາດເພີດເພີນກັບການບໍລິການວິນິດໄສແລະການປິ່ນປົວລະດັບຜູ້ຊ່ຽວຊານ.

Medical Endoscope Black Technology (3) AI Real time Assisted Diagnosis

ສຳຫຼວດ

ວິທີແກ້ໄຂຂອງພວກເຮົາ

ຂໍ້ມູນຕິດຕໍ່