AJG：基于粪便图片的深度学习模型可预测溃疡性结肠炎患者的内镜黏膜炎症

AJG：基于粪便图片的深度学习模型可预测溃疡性结肠炎患者的内镜黏膜炎症

引用

MedSci-临床研究与学术平台

1.

https://www.medsci.cn/article/show_article.do?id=116a8442127c

溃疡性结肠炎（UC）是一种以结肠黏膜张力性炎症为特征的疾病，可引起血性腹泻、里急后重、尿急等症状，严重影响患者的生活质量。目前，临床上主要通过C反应蛋白（CRP）、粪便钙卫蛋白（Fcal）和内镜检查等客观指标来监测病情。近期，一项发表在《美国胃肠病学杂志》（AJG）上的研究开发了一种基于深度学习的模型（DLSUC），通过分析患者的粪便图片来预测内镜下黏膜炎症，为UC的监测提供了新的思路。

这项前瞻性多中心研究在6家三级医院开展，研究人员要求计划接受内镜检查以监测黏膜炎症的患者在内镜检查日前1周内使用智能手机拍摄粪便照片。研究团队使用306例患者的2161张粪便图像开发了DLSUC模型，并使用126例患者的1047张粪便图像进行了测试。采用UC内镜严重程度指数定义内镜活动度，并将DLSUC与Fcal在内镜活动性预测中的效能进行了比较。

研究结果显示，DLSUC预测内镜活动性的受试者工作特征曲线下面积（AUC）为0.801，与Fcal的AUC差异无统计学意义。在剔除保留直肠的病例（23/126，18.2%）后，DLSUC的AUC增至0.849。在所有患者中，DLSUC预测内镜下活动性的准确度、灵敏度和特异度分别为0.746、0.662和0.877；在不保留直肠患者中，DLSUC预测内镜下活动性的准确度、灵敏度和特异度分别为0.845、0.745和0.958。此外，DLSUC分类的活动性患者在中位8个月随访期间更易出现疾病复发。

这项研究的结果表明，在预测内镜下活动性方面，DLSUC显示出与Fcal相似的良好区分能力，在不保留直肠的患者中提高了准确性。粪便照片作为监测工具，在UC的临床管理中展现出广阔的应用前景。

原文出处：
Lee JW, Woo D, Kim KO, Kim ES, Kim SK, Lee HS, Kang B, Lee YJ, Kim J, Jang BI, Kim EY, Jo HH, Chung YJ, Ryu H, Park SK, Park DI, Yu H, Jeong S; IBD Research Group of KASID and Crohn's and Colitis Association in Daegu-Gyeongbuk (CCAiD). Deep Learning Model Using Stool Pictures for Predicting Endoscopic Mucosal Inflammation in Patients With Ulcerative Colitis. Am J Gastroenterol. 2024 Jul 25. doi: 10.14309/ajg.0000000000002978. Epub ahead of print. PMID: 39051648.