雑誌文献を検索します。書籍を検索する際には「書籍検索」を選択してください。

Stomach and Intestine(Tokyo) Volume 56, Issue 4 （April 2021）

胃と腸 56巻4号（2021年4月発行）

Japanese English

今月の主題消化管疾患AI診断の現状

主題研究

画像強調内視鏡linked-color imagingおよびX線造影によるHelicobacter pylori感染のコンピュータ支援診断 Computer-aided Diagnosis of Helicobacter pylori Infection Using Linked-color Imaging and X-ray Images 中島寛隆 ¹ , 川平洋 ² , 重松綾 ³ , 福山知香 ¹ , 下井銘子 ¹ , 北沢尚子 ¹ , 門馬久美子 ¹ , 榊信廣 ¹ Hirotaka Nakashima ¹ , Hiroshi Kawahira ² , Ryo Shigematsu ³ , Chika Fukuyama ¹ , Meiko Shimoi ¹ , Naoko Kitazawa ¹ , Kumiko Momma ¹ , Nobuhiro Sakaki ¹ ¹公益財団法人早期胃癌検診協会 ²自治医科大学メディカルシミュレーションセンター ³医療法人社団こころとからだの元氣プラザ放射線科 ¹Foundation for Detection of Early Gastric Carcinoma, Tokyo ²Medical Simulation Center, Jichi Medical University, Tochigi, Japan ³Department of Radiology, Genki Plaza Medical Center for Health Care, Tokyo キーワード： AI診断 , H. pylori感染 , 内視鏡診断 , 画像強調内視鏡 , X線診断 Keyword: AI診断 , H. pylori感染 , 内視鏡診断 , 画像強調内視鏡 , X線診断 pp.473-480

発行日 2021年4月25日 Published Date 2021/4/25

DOI https://doi.org/10.11477/mf.1403202303

PDF(922KB)

有料閲覧

Abstract 文献概要
1ページ目 Look Inside
参考文献 Reference
サイト内被引用 Cited by

要旨●H. pylori感染胃炎の画像診断は，胃癌リスクの層別化に有効とされる．これを踏まえて本稿では，筆者らが研究中のコンピュータ画像認識技術を応用したH. pylori感染胃炎に対する人工知能診断について述べる．画像強調内視鏡を用いたコンピュータ支援診断（LCI-CAD）の正診率（accuracy）は，H. pylori未感染84.1%，現感染81.7%，除菌後78.6%であった．この結果は，同じ手法で作成した白色光のCAD（WLI-CAD）よりよい成績であり，加えて内視鏡専門医と同等の診断精度と考えられた．一方で，人工知能を用いた胃X線二重造影像によるH. pylori未感染と現感染の2分類では，感度86.7%，特異度91.7%の結果が得られた．人工知能を用いたH. pylori診断は，常に一定の診断精度が得られるだけでなく，診断速度も速い．さらに，プログラムを複製することも可能である．筆者らは本研究が胃癌リスクの層別化に応用されれば，早期胃癌の内視鏡スクリーニングやX線検診の診断支援へ貢献できるものと期待している．

＊本論文中、QRコードを読み込む，もしくはURLにアクセスいただくことで動画を再生できます（公開期限：2024年4月）．

　The diagnosis of H. pylori（Helicobacter pylori）infection by clinical imaging can be effective in stratifying the risk of gastric cancer. In this article, we describe our results of AI（artificial intelligence）using a computer image recognition technology for the diagnosis of H. pylori infection. The accuracy of LCI-CAD（computer-aided diagnosis using linked-color imaging）was 84.1% in uninfected individuals, 81.7% in currently infected patients, and 78.6% in post-eradication cases. The diagnostic accuracy based on the LCI-CAD data was superior to that based on the white light imaging CAD data in the uninfected, currently infected, and post-eradication cases. In addition, the diagnostic accuracy of LCI-CAD was comparable with those of experienced endoscopists. Furthermore, in this study, a CAD system was created using gastric X-ray double-contrast images. The X-ray CAD system showed a sensitivity of 86.7% and specificity of 91.7%. The use of AI for the diagnosis of H. pylori is associated with both a superior level of diagnostic accuracy and high diagnostic speed. In addition, it is possible to duplicate the program. Hence, we believe that the application of this method for the stratification of gastric cancer risk will provide diagnostic support for endoscopic and X-ray screening programs in patients with early gastric cancer.