Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis

要約

背景と目的: 組織学的寛解 (HR) が提唱され、潰瘍性大腸炎 (UC) の新たな治療標的として考慮されています。
組織学的寛解の診断は現在、生検に依存している。
このプロセス中、患者は出血、感染症、生検後の線維症のリスクにさらされています。
さらに、組織学的反応スコアリングは複雑で時間がかかり、病理学者によって不均一性があります。
エンドサイトスコピー (EC) は、腺の優れた in vivo 評価を提供できる新しい超高倍率内視鏡技術です。
EC技術に基づいて、上記の問題に対処するために、EC画像を使用してUCの組織学的疾患活動性を評価できるニューラルネットワークモデルを提案します。
実験結果は、提案された方法が患者の正確な治療と予後評価を支援できることを示しています。
方法: UC 評価用のニューラル ネットワーク モデルを構築します。
2022年3月から2023年3月までに中国のセンターでEC治療を受けていた87人の患者の154の腸セグメントの合計5105枚の画像が、Geboesスコアに従ってスコア化された。
続いて、103 個の腸セグメントをトレーニング セットとして使用し、16 個の腸セグメントをニューラル ネットワーク トレーニング用の検証セットとして使用し、残りの 35 個の腸セグメントをテスト セットとして使用して、検証セットとともにモデルのパフォーマンスを測定します。
結果: HR を陰性カテゴリーとして、組織学的活動を陽性カテゴリーとして扱うことにより、提案されたニューラル ネットワーク モデルは、精度 0.9、特異度 0.95、感度 0.75、および曲線下面積 (AUC) 0.81 を達成できます。
。
結論：我々は、臨床組織学的診断の迅速化に役立つ、UCのEC画像における組織学的寛解/活動性を区別できる特定のニューラルネットワークモデルを開発しました。
キーワード: 潰瘍性大腸炎。
内視鏡検査;
ゲボエスのスコア。
ニューラルネットワーク。

要約(オリジナル)

BACKGROUND & AIMS: Histological remission (HR) is advocated and considered as a new therapeutic target in ulcerative colitis (UC). Diagnosis of histologic remission currently relies on biopsy; during this process, patients are at risk for bleeding, infection, and post-biopsy fibrosis. In addition, histologic response scoring is complex and time-consuming, and there is heterogeneity among pathologists. Endocytoscopy (EC) is a novel ultra-high magnification endoscopic technique that can provide excellent in vivo assessment of glands. Based on the EC technique, we propose a neural network model that can assess histological disease activity in UC using EC images to address the above issues. The experiment results demonstrate that the proposed method can assist patients in precise treatment and prognostic assessment. METHODS: We construct a neural network model for UC evaluation. A total of 5105 images of 154 intestinal segments from 87 patients undergoing EC treatment at a center in China between March 2022 and March 2023 are scored according to the Geboes score. Subsequently, 103 intestinal segments are used as the training set, 16 intestinal segments are used as the validation set for neural network training, and the remaining 35 intestinal segments are used as the test set to measure the model performance together with the validation set. RESULTS: By treating HR as a negative category and histologic activity as a positive category, the proposed neural network model can achieve an accuracy of 0.9, a specificity of 0.95, a sensitivity of 0.75, and an area under the curve (AUC) of 0.81. CONCLUSION: We develop a specific neural network model that can distinguish histologic remission/activity in EC images of UC, which helps to accelerate clinical histological diagnosis. keywords: ulcerative colitis; Endocytoscopy; Geboes score; neural network.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google