les cancers gastro-intestinaux supérieur (y compris cancer de l'sophage et l'estomac) est la tumeur maligne la plus fréquente dans le monde.
Selon les statistiques de l'Institut national du cancer montrent que près de 50% du cancer global du tube digestif supérieur (y compris l'sophage, de l'estomac, etc.) se produisent en Chine, où la mort de plus de 85% des patients au moment du diagnostic est avancé, ce qui entraîne plus d'un an 400000, mais si elle est détectée tôt, le taux de survie à cinq ans peut dépasser 90%.
Pour relever ce défi, de nombreux pays ont mis au point et mis en uvre des lignes directrices et des techniques d'endoscopie gastro-intestinales supérieures, telles que l'imagerie à bande étroite et endoscope laser confocal, augmentant ainsi le taux de détection du cancer gastro-intestinal tôt. Mais en endoscopie, le risque de cancer gastro-intestinal supérieur est suspectait par un manqué petit nombre de patients à l'hôpital, des zones moins développées ou les régions éloignées, même dans les pays peuvent souvent l'endoscopie restent élevés.
AI a démontré un grand potentiel dans divers domaines de la médecine, l'intelligence artificielle de clinique, endoscopique, la plus importante utilisation est d'aider à différencier les lésions néoplasiques et des lésions non néoplasiques. Bien que l'application de l'intelligence artificielle dans le diagnostic du cancer du tube digestif supérieur a été publié des résultats préliminaires encourageants, mais à cause de la conception de l'étude pourrait être améliorée (comme étude monocentrique, petite taille de l'échantillon et l'analyse rétrospective), leur valeur clinique est relativement faible.
Ainsi, le directeur Professeur Xu Ruihua du Cancer Center de Sun Yat-sen, président, directeur, Laboratoire d'État clé d'oncologie de directeur sud de la Chine, a dirigé une équipe de dizaines d'experts ont effectué une recherche multidisciplinaire en commun, le succès de la recherche et le développement indépendant sur un condensé voies AI système diagnostic endoscopique, avec de vraies données d'image endoscopique de six hôpitaux pour détecter le cancer gastro-intestinal.
Lei Feng réseau appris de cette équipe plate-forme de diagnostic AI appelle GRAIDS, la validation des données par la pratique clinique, le diagnostic de la sensibilité de la tumeur gastro-intestinale supérieure à atteindre 90%, mieux que le niveau de endoscopistes non-experts.
Octobre 2019, les résultats de recherche pertinents « Intelligence artificielle de l'endoscopie auxiliaire en temps réel sur le diagnostic précoce du cancer gastro-intestinal: une étude multicentrique, cas-témoins, études de diagnostic, » la ligne officiel publié dans le top journal académique du monde « The Lancet Oncology · » sur.
Cette étude multicentrique, cas-témoins, des études de diagnostic menée dans six hôpitaux en Chine, rétrospectivement image endoscopique obtenu à partir de la base de données d'image Université Zhongshan National Cancer Center (Guangzhou) pour le développement et la validation GRAIDS. De plus, l'équipe a également mis au point un système de CAO, des lésions du cancer du tube digestif sur l'identification en temps réel pour l'endoscopie de routine. systèmes CAO installés sur l'ordinateur relié directement à l'appareil d'endoscope, permettant ainsi de fournir un diagnostic automatique pendant l'endoscopie.
Du 21 Juillet 2018, GRAIDS publication en ligne, et a été utilisé dans la pratique sysucc endoscopique (Cancer Center de Sun Yat-sen) dans.
Ce qui suit est les détails de votre travail, l'IA dig Kim Ji Lei Feng réseau compilé et édité groupe scolaire. AI dig Jinzhi Gong numéro intérêt public, la réponse mot clé dans la boîte de dialogue "Sun Yat-sen", vous pouvez obtenir le PDF original.
introduction
Cette étude multicentrique, cas-témoins, l'étude diagnostique de six différents niveaux des hôpitaux (Sun Yat-sen Cancer Center, Hôpital du nord du Guangdong personnes Hôpital de la Croix-Rouge à Wuzhou, Hôpital du cancer du Jiangxi, Hôpital populaire de Puning, Hôpital Jieyang personnes) menées en Chine . Récupérée de tous les hôpitaux participants à 18 ans ou plus de 18 ans n'ont pas été endoscopie, des études d'imagerie des patients participant à durable. Toutes les voies digestives supérieures malignes histologiquement prouvées patients atteints de cancer (y compris cancer de l'sophage et l'estomac) sont conformes aux exigences de la présente étude. Seules les images avec une lumière blanche était seulement considéré comme acceptable.
Nous avons l'image au hasard Zhongshan University Cancer Center (8: 1: 1) affecté à la formation et le développement graids validation interne jeu de données, l'ensemble des données utilisées pour évaluer la validation interne GRAIDS performance. L'utilisation de Sun Yat-sen Cancer Center (National Hospital) et ensemble de validation prospective de l'hôpital primaire interne et cinq ensemble de validation supplémentaire supplémentaire d'évaluer leur performance diagnostique.
capacités de diagnostic GRAIDS ont été comparés à l'endoscopiste avec trois différents niveaux professionnels: médecin expert, et le médecin stagiaire de charge. GRAIDS de diagnostic endoscopique et une précision de lésions cancéreuses, la sensibilité, la spécificité, la valeur prédictive positive et la valeur prédictive négative est calculée selon la méthode de 95% IC Clopper-Pearson.
découverte
Nous menons GRAIDS de formation et de validation avec 1.036.496 image endoscopique des 84,424 personnes.
la précision du diagnostic de cancer gastro-intestinal sur la validation est centralisée à l'intérieur de 0,955 (IC à 95% 0,952 à 0,957), la concentration 0,927 (de 0,925 à 0,929) dans une validation prospective, concentrée dans l'authentification externe est de 50,915 (de 0,913 à 0,917) à 0,977 (0,977 à 0,978). GRAIDS sensibilité diagnostique et spécialistes endoscopie, à comparer avec les endoscopes médecins généralistes et les stagiaires, graids plus sensibles.
GRAIDS valeur prédictive positive de 0,814 (IC à 95% de 0,788 à 0,838), les experts endoscopiques 0.932 (0.913-0.948), les médecins généralistes endoscopiques 0,974 (0.960-0.984), endoscope de formation des enseignants 0,824 (0,795 -0,850). GRAIDS valeur prédictive négative était de 0,978 (IC à 95% 0,971 à 0,984), les spécialistes endoscopie valeur prédictive négative 0,980 (0,974 à 0,985), la valeur prédictive négative de généraliste endoscopique était 0,951 (0,942 à 0,959), la pratique endoscopique médecins valeur prédictive négative était 0,904 (0.893-0.916)
méthode
contrôle de la qualité d'image et endoscopiques
Toutes les images sont la numérisation haute résolution, mais avec un autre endoscopes et des systèmes vidéo. Toutes les images d'endoscopie gastro-intestinales supérieures sont la base de données d'images jpeg 6 hôpitaux dans le format de stockage. Seules les images avec une lumière blanche était seulement considéré comme acceptable. Il ne comprend pas colorant d'image, l'image à bande étroite, en raison d'un arrêt, flou, défocalisation, le mucus et la mauvaise purge d'air et de l'image de faible qualité et une génération d'image non endoscopique.
8 endoscopiste expérimenté de Sysucc de la qualité de toutes les images ont été évaluées, chaque personne a au moins cinq ans d'expérience, et le nombre 3000 de chèques. Toutes les lésions de la main de l'endoscopiste gastro-intestinal supérieur par les mêmes signes de groupe. Ils marquent soigneusement les limites de chaque foyers. Ceux rapport image endoscopique et anatomopathologique position incohérente est mis au rebut.
Nous consacrerons le même nombre d'images de six hôpitaux à 4 groupes endoscopiste expérimenté (deux dans chaque endoscopiste) le contrôle de la qualité, l'étiquetage et croquis. Deux endoscopiste même groupe a coopéré dans le marqueur et les moyens décrits. Décrire le processus, décrit dans un endoscopiste effectué sous la supervision d'un autre endoscopiste. Seulement lorsque les deux endoscopiste pour atteindre un consensus au sein du même groupe, sélection d'image, le marquage et les grandes lignes a été mis au point.
le développement de l'algorithme GRAIDS
Les images de sysucc (8: 1: 1) ont été assignés au hasard à la formation et le développement pour GRAIDS ensemble de données de validation interne, et de données sur la validation interne GRAIDS pour l'évaluation des performances. algorithme concept basé GRAIDS V3 + de DeepLab, et comprenant un codeur et un module décodeur. Le modèle a une entrée et deux sorties, l'image d'endoscopie gastro-intestinale de l'entrée du modèle.
La première sortie est un deux tâches de classification standard pour déterminer si les images d'entrée contiennent la tumeur. Une deuxième sortie pour réaliser une tâche de segmentation, ce qui indique la région de la tumeur de l'image d'entrée. L'endoscope en utilisant quatre groupes (chaque groupe étant constitué de deux endoscopiste) et les données de drapeau de contours d'échantillons de formation comme l'étalon-or. La courbe d'apprentissage pour l'exécution de l'image montre un des résultats de classification de division d'image, le joint transversal (le IOU) représentatif du modèle.
GRAIDS vérification algorithme
Nous utilisons d'abord l'ensemble des données de validation interne à partir d'un ensemble de données de validation et de validation prospective GRAIDS performance sysucc gastro-intestinale en termes de reconnaissance des patients atteints de tumeurs. Ensuite, nous utilisons une évaluation solide GRAIDS données de validation externes définies par les cinq hôpitaux participants, chaque hôpital a un petit nombre de patients atteints d'un cancer gastro-intestinal supérieur.
Pour évaluer davantage les performances, nous avons testé prospectivement choisi au hasard à partir d'un sous-ensemble d'images avec histologiquement confirmé sur les patients atteints de cancer gastro-intestinal. Trois différents niveaux de endoscopiste professionnels (experts, cadres et stagiaires) ont été invités à remplir de façon indépendante la même détection d'image de test et les résultats ont été comparés avec les résultats des GRAIDS d'informations démographiques sur les patients et les résultats histopathologiques finaux ils ne sont pas visibles.
Ce trois endoscopiste et ne sont pas impliqués dans la sélection de l'image de marque, l'évaluation endoscopique de l'art antérieur, l'image est également supprimé et perturbé le drapeau. Les experts sont un endoscope 10 ans d'expérience en termes de professeur d'examen endoscopique. L'endoscope est un médecin de médecin généraliste, avec plus de cinq ans d'expérience, l'achèvement de la formation spécifique clinique et endoscopique. L'endoscope est une expérience de stage de deux ans en résidence endoscopique.
analyse statistique
Procédé Clopper-Pearson de calcul en utilisant IC à 95%, la précision de l'évaluation graids le diagnostic différentiel des lésions cancéreuses, la sensibilité, la spécificité, la valeur prédictive positive (VPP) et la valeur prédictive négative (NPV). Nous utilisons la courbe ROC pour montrer la profondeur de l'algorithme d'apprentissage des patients atteints de cancer gastro-intestinal avec des capacités de diagnostic normales dans l'identification. En changeant le seuil de probabilité prédite, la proportion de cas tirée vrais positifs (sensibilité) et des faux positifs proportion (1-spécificité) de la courbe ROC. Plus la surface sous la courbe ROC, l'effet meilleur diagnostic. Tous les tests statistiques étaient bilatéraux, le niveau de signification de 0,05. L'analyse statistique a été réalisée en utilisant la version 3.5.1 du logiciel r.
résultat
Janvier 2009 entre 12 à 30, en Septembre 2017, obtenu 314726 images à partir de 20352 participants (figure 1) de la base de données Sysucc d'endoscopie digestive haute. Parce que le diagnostic pathologique est pas clair, le rapport de pathologie ne sait pas, à l'exclusion 1587 cas (7,8%). Après évaluation du contrôle de la qualité, l'image a 17828221075 (11,8%) ont été mis au rebut, car ils sont l'image non endoscopique de mauvaise qualité ou incompatible avec la localisation anatomique dans le rapport de pathologie. Pour les patients atteints de cancer, seule l'image (n = 39462), y compris les lésions cancéreuses ont été étudiées inclus. Pour les participants sans cancer, 117,745 images ont été utilisées en tant que groupe de contrôle (fig. 1). Pour ensemble de données de validation prospective, entre le 21 Juillet, 2018 Novembre 201820 période, Sysucc prospective recueillie et étiquetés 4317 et 62433 image de contrôle d'image du cancer.
Dans les cinq autres hôpitaux participants entre le 21 Juillet 2018 et 20 Novembre 2018, il a remporté le 2439 et 73015 image lutte contre le cancer de la partie nord de l'hôpital de Guangdong populaire, pour obtenir 5244 de Wuzhou hôpital de la Croix-Rouge et du cancer 197588 image de contrôle, obtenu à partir de l'hôpital du cancer du Jiangxi, 9712 du cancer et de l'image 112,185 contrôles, le cancer et que 7095 contrôles 286,095 images de l'hôpital des gens Puning ville, 4173 pour obtenir le contrôle du cancer et 114,993 images de l'hôpital des gens Jieyang ville.
Dans l'ensemble, 1.036.496 image endoscopique de 84,424 individus sont utilisés pour développer et GRAIDS de test.
La prévalence des cancers gastro-intestinaux supérieurs dans le groupe de formation était de 50,2% (755715040 patients) dans le groupe de validation interne a été de 51,0% (1839 patients à 938), le groupe de validation interne était de 50,8% (1886 patients en 959), dans un groupe de validation prospective a été de 32,0% (574 sur 1794 patients). Cancer Hospital Jiangxi groupe d'authentification externe 9,2% (8634 cas dans 794 cas), Hôpital 9,5% du nord du Guangdong gens (4109 patients, 390 cas), Wuzhou Red Cross Hospital 4,8% (17,239 patients dans 830 cas), l'hôpital Puning Ville Personnes 3,8% (993 cas 26143 patients), l'hôpital de Jieyang personnes ville 7,2% (7686 patients dans le 552) (tableau 1). Des informations détaillées sur le cancer gastro-intestinal mise en scène visible ensemble de validation que prospective.
Après 176 (itération de époques ensemble d'apprentissage) en raison de la précision et la perte d'entropie croisée des deux tâches et la seconde tâche IOU aucune amélioration, la fin du processus de formation. GRAIDS lésions très cohérentes de la région de prédiction de la région marqueur du cancer gastro-intestinal supérieur et l'endoscopiste. Dans l'ensemble de validation interne, la médiane IOU est 0,737 (IQR de 0,579 à 0,848).
GRAIDS sept vérifier tous sont axés sur les patients atteints d'identifier avec précision le cancer gastro-intestinal (tableau 2). ensemble de données de validation Sysucc au sein de la précision du diagnostic de 0,955 (IC à 95% 0,952 à 0,957), les données d'authentification centralisé sysucc prospective 0,927 (0,925 à 0,929,). Vérifier l'exactitude du foyer extérieur sont les suivants: Cancer Hospital Jiangxi 0,915 (IC à 95% 0,913 à 0,917), l'hôpital nord du Guangdong populaire de 0,949 (0,947 à 0,951), Wuzhou hôpital de la Croix-Rouge 0,977 (0,977 à 0,978), 0,970 Puning City Hospital populaire (0,969 à 0,971), l'hôpital de la ville de Jieyang personnes 0,947 (0,946 à 0,948). Dans chaque foyer graids vérifier la sensibilité, la spécificité et NPV étaient supérieurs à 0,90. gamme VPP de 0,384 vers le nord de l'Hôpital du Guangdong gens (95% CI 0,372 à 0,396) à sysucc de 0,889 (0,878 à 0,899) (tableau 2), mais tous se concentrer sur les données de validation, la proportion de faux positifs est inférieur à 10%. Vérifier au sein de la file d'attente et Sysucc cohorte prospective, la cause la plus commune des faux positifs est une structure anatomique normale (cardia, pylore et les coins) et de la motilité gastrique lors de l'élévation.
De même, les cinq données d'authentification centralisé externes dans les valeurs d'AUC plus élevées (allant de 0,966 0,990 à ;. La figure 2).
Graids endoscopiste et la concentration de validation prospective à partir de 4532 pour distinguer le sous-ensemble d'images (1102 3430 Cancer d'image et image de référence) les résultats des essais présentés dans le tableau 3. GRAIDS diagnostic de l'exactitude des cancers gastro-intestinal supérieur est 0,928 (IC à 95% 0,919 à 0,937). Endoscopie, la précision de l'expert en 0,967 endoscopique (95% ci 0,961 à 0,973; p
En revanche, les grandes différences dans la sensibilité des différents niveaux de l'endoscopiste, GRAIDS sensibilité similaire aux experts de l'endoscope (0,942 vs 0,945 ; p = 0,692), de manière significative supérieure à la sensibilité d'un endoscope d'un médecin ordinaire (0,858 ; p
GRAIDS le PPV est 0,814 (IC à 95% 0,788 à 0,838), abaisser de manière significative à la endoscopiste (0,932 ; p
Cependant, l'image GRAIDS peut être reconnu la plupart des cancers sont endoscopiste mal classés (endoscope médecin expert 6143 , endoscope général praticien 157 à 133 , endoscopiques miroir interne 306 à 266 ;. la figure 3). Lorsqu'il est utilisé conjointement avec GRAIDS, nettement améliorée expert en matière de sensibilité numérique (0,984 , p
Traitement au moins 25 images GRAIDS algorithme que nous avons développé peut analyser jusqu'à 118 images par seconde (8 millisecondes chaque image), et effectuer une analyse en temps réel de la vidéo par seconde, un retard de moins de 40 millisecondes.
De plus, nous avons mis au point un système de détection assistée par ordinateur (CAD), en essayant de lésions du cancer du tube digestif sur l'identification en temps réel pour l'endoscopie de routine. systèmes CAO installés sur l'ordinateur relié directement à l'appareil d'endoscope, permettant ainsi de fournir une assistance automatique au cours de l'endoscopie diagnostique.
La figure S5B et 1-4 montrent système vidéo CAO exemplaire lors de l'identification en temps réel de l'endoscopie du cancer. Comme cela est illustré, lorsque la frontière quand un GRAIDS identifié des lésions malignes, les lésions du système CAO seront divisés, comme le montre en bleu, et le coin supérieur droit de l'endoscopiste écran d'avertissement lésions malignes peuvent se produire. Lorsque les lésions disparaissent de l'écran, et un signal d'avertissement et la division d'arrêt.
Nous avons construit la plate-forme d'intelligence artificielle, un multi-agence basée sur le cloud pour les besoins des patients avec endoscopie gastro-intestinale. La plate-forme fournit deux applications cliniques clés: tout d'abord, dans la détection en temps réel de la procédure chirurgicale endoscopique du cancer gastro-intestinal supérieur, afin d'accélérer la détection d'image, et d'aider à améliorer la précision de l'identification des lésions malignes. En second lieu, le magasin d'images fixes à réévaluées après vérification des cas suspects pour aider à réduire le risque d'erreur de diagnostic et le diagnostic manqué d'une tumeur maligne.
De plus, nous fournissons également un site pour GRAIDS d'accès gratuit. Les cliniciens et les patients peuvent télécharger l'image endoscopique, GRAIDS examen secondaire. Le site fournit également l'image endoscopique d'un accès de base de données ouverte, ce sera la formation de l'endoscopiste et endoscopique - domaine de l'imagerie assistée de l'intelligence artificielle des ressources utiles pour les chercheurs médicaux.
discuter
Dans cette étude, nous avons utilisé une profondeur d'apprentissage pour construire un modèle de segmentation sémantique basée sur le système de diagnostic du cancer gastro-intestinal de l'intelligence artificielle. Le système est formé et vérifié par 1.036.496 image endoscopique de 84,424 personnes. Il y a six hôpitaux sur un nombre différent de patients atteints de cancer gastro-intestinaux subissant un diagnostic endoscopique. Graids tube digestif dans l'histoire des images stockées et processus de détection d'image de la tumeur prospective a une grande précision, la sensibilité et la spécificité.
le diagnostic endoscopique du cancer gastro-intestinal supérieur est subjective, dépend en grande partie des compétences et de l'expérience du médecin. NBI, un laser confocale et l'imagerie endoscopique laser bleu a la discrimination potentielle entre les lésions cancéreuses et non cancéreuses, mais étant donné que l'interprétation d'image optique nécessaire une formation approfondie et son expertise, son application clinique est limitée.
Au contraire, GRAIDS aucune formation supplémentaire, mais aussi d'améliorer la capacité des médecins d'endoscopes de niveau non-experts (médecins généralistes de 0,858 à 0,978, un stagiaire 0,722 à 0,964) augmentent, si proche du niveau des experts (0,967). Par conséquent, pour la Chine ou les pays en développement avec des ressources limitées, les zones urbaines et rurales dans le cas de la distribution inégale des ressources médicales, le diagnostic GRAIDS peut aider à combler l'écart entre l'hôpital national du cancer et les hôpitaux de soins primaires.
GRAIDS de VPP inférieurs à ceux des experts et endoscopiste ordinaire, GRAIDS avec trois différents niveaux de liant endoscopiste peut réduire VPP. Dans l'endoscopie en temps réel en cours, GRAIDS soupçonnés lésions cancéreuses non détectées par les médecins de endoscopiste esquissées les grandes lignes, ce qui peut accroître le risque de faux positifs. Cependant, la raison principale pour un faux positif est GRAIDS pylori, angle gastrique, la structure normale ou d'une composition de mucus et analogues, ainsi que la paroi de l'estomac mauvais diagnostic soulevée au cours de fluage. En raison de ces structurellement normal ou modifié facilement identifié par endoscopie, un mauvais diagnostic peut être évité dans la pratique.
Par conséquent, nous avons émis l'hypothèse que lorsque l'endoscopie en temps réel, les médecins de l'endoscope utiliser contrôle GRAIDS, la proportion de cas de faux positifs sera inférieure à la valeur calculée. En outre, en raison de la sensibilité élevée de GRAIDS, vous pouvez réduire le risque d'erreur de diagnostic des lésions cancéreuses, ce qui permet le diagnostic précoce du cancer, et il peut réduire les dépenses élevées sur le traitement des cancers gastro-intestinaux.
Existante étude de l'endoscopie digestive haute en raison des défauts de rétrospective, petite taille de l'échantillon, seule enquête de la maladie et de l'hôpital de recherche au même niveau des institutions individuelles et stagnante. Par comparaison, Graid est une utilisation de développement et de validation des données de différents niveaux des hôpitaux dans six validation rétrospective des images plus d'un million concentré sur les tumeurs gastro-intestinales montre une grande précision de détection (0,915 à 0,977). Cela suggère fortement que la polyvalence de ce système dans une scène réelle. En outre, les 40ms d'imagerie retardent le rend aussi plus efficace (118 images par seconde et 48 vs 41 × 425 × 926 images par seconde) en termes du détecteur d'image que les modèles existants.
Sur la base de l'exactitude et la validité des tumeurs gastro-intestinales détectées sur GRAIDS, nous avons construit la plate-forme d'intelligence artificielle, un multi-agence basée sur le cloud, fournissant une aide rapide en temps réel et précis en chirurgie endoscopique et la détection d'imagerie post-opératoire.
Nous avons également mis en place un site convivial qui offre une assistance médicale gratuite à distance pour les patients et les cliniciens, afin d'accélérer la détection de l'image endoscopique. A partir du 19 Juillet, 2017, Chine Union de tumeur du Sud (ccsca) mis en place pour combler l'écart des hôpitaux nationaux et les hôpitaux primaires dans la gestion du cancer.
À l'heure actuelle, GRAIDS sont sysucc de workflow endoscopique et clinique des centres de dépistage en routine et évaluation en temps réel en collaboration avec d'autres hôpitaux ccsca sera bientôt mis en uvre GRAIDS, pour fournir un dépistage gratuit et le diagnostic des tumeurs gastro-intestinales de l'aide d'intelligence artificielle canal.
En dépit de ces réalisations importantes, GRAIDS il y a certaines limites méritent d'être soulignés.
tout, cette étude utilise d'abord seule image blanche, parce que ces images pour un examen de routine et de la zone des ressources limitées.
En second lieu, l'ensemble de la formation et le test mis en étiquetage rétrospectif, qui peut conduire à un certain degré de biais de sélection, mais montrent ensemble de validation prospective que cette limitation ne peut pas importante.
Troisièmement, nous n'a pas utilisé une méthode spécifique pour traiter des images d'endroits différents de la même séquence vidéo, ce qui peut avoir un parti pris. Néanmoins, GRAIDS a montré une précision satisfaisante dans les hôpitaux participants afin de prouver l'applicabilité générale du système.
Quatrièmement, l'ensemble de la formation et de validation ciblée pour étudier l'effet de GRAIDS de diagnostic de l'utilisation seule image endoscopique haute qualité.
Cinquièmement, dans les applications cliniques, GRAIDS par une grande formation de cohorte chinoise et de validation, mais les effets sont encore à l'étude dans d'autres populations.
En bref, nous avons développé un système basé sur l'intelligence artificielle qui utilise une variété d'images endoscopiques de différents niveaux d'hôpitaux, peuvent être diagnostiqués avec une grande précision du cancer gastro-intestinal supérieur, la sensibilité près des médecins de endoscopiste, supérieure endoscopiques médecins généralistes. GRAIDS endoscopie peut aider les médecins non spécialisés, augmentera la précision de diagnostic et des experts proches du niveau. En outre, GRAIDS peuvent améliorer l'efficacité du diagnostic du cancer gastro-intestinal supérieur et de dépistage. Lei Feng réseau
