I. Guide expert: La maladie du cholestérol - la digestion est la «dernière forteresse».
J'ai affaire à la zone d'anatomie la plus complexe du corps depuis 35 ans, la voie biliaire et le pancréas. Cette zone, connue par les chirurgiens comme le « dernier fort d'éloignement », est bien structurée, avec des manifestations de maladie si étrangement brume, et même les lunettes les plus expérimentées sont souvent « peau » sous la chorégraphie.
Le cancer kystique, le cancer pancréatique, connu sous le nom de « roi du cancer », est extrêmement difficile à diagnostiquer à un stade précoce, 80% des patients sont diagnostiqués à un stade avancé et ont un taux de survie de moins de 10% pendant cinq ans. Les lentilles kystiques, les « supereyes » qui observent directement les muqueuses de potence et de pancréas, sont l'arme la plus puissante pour détecter les tumeurs du cholestérol à un stade précoce. Cependant, la courbe d'apprentissage de cette technique est extrêmement raide, avec une capacité à utiliser des lentilles de cholestérol et à identifier la maladie avec précision, avec une capacité de spécialistes des lentilles, qui sont peu de centaines de personnes à l'échelle nationale.
Ces dernières années, l'intelligence artificielle a donné un nouvel espoir pour résoudre ce dilemme. Mais je dois dire franchement : le diagnostic de la cannelle par l'AID est l'os dur le plus difficile dans tout le champ digestif de l'IA. Où est le problème ? La première chose qui vient à l'esprit est les données -- les données d'image pancréas de haute qualité sont extrêmement rares.
Dans cet article, je vais examiner les points de douleur clinique dans ce domaine du point de vue d'un chirurgien du cholestérol, la percée de la technologie des frontières en 2026, et l'importance stratégique des ensembles de données de haute qualité pour le développement de la maladie de cholestérol.
II. Douleurs commerciales: le «Quadretex» du diagnostic de la maladie de cholestérol
2.1 «Défi ancien» - Le Roi du Cancer
Les premiers signes de cholestérol et de cancer du pancréas sont extrêmement cachés, et les patients sont souvent exempts de symptômes de maladies spécifiques, qui ont progressé jusqu'aux stades intermédiaires et tardifs lorsque des symptômes de piqûre jaune, de douleur abdominale et de perte de poids corporel sont apparus. Dans le cas du cancer du cholestérol, le taux de survie pour le cancer du cholestérol précoce (Tis/T1) peut être supérieur à 80%, tandis que la période de progrès (T3/T4) a chuté fortement à moins de 20%.
Les lentilles d'insuline peuvent observer directement les changements de muqueuses dans les galeries et le pancréas et sont théoriquement le meilleur moyen de détecter les tumeurs tôt. Mais la réalité est que les lentilles d'incubation sont difficiles et risquées, effectuées seulement dans quelques grands centres de santé, et la plupart des patients n'ont pas la possibilité de subir cet examen tôt. La difficulté de trouver le stade tardif est la plus grande douleur clinique dans le domaine de la maladie cinclinique.
2.2 "Apprendre dur" - le niveau Everest de la technologie d'endoscope
Si la lentille interne est la « foule » de médicaments, la lentille de cannelle est la « perle de mèche » sur la couronne – la plus difficile à maîtriser. Il est généralement de cinq à sept ans pour un médecin de la lentille interne digestive de maîtriser les lentilles gastro-intestinales conventionnelles, sur la base de laquelle une formation supplémentaire de trois à cinq ans est nécessaire pour faire fonctionner le ERCP indépendamment (l'accordage du tube incendiaire incendiaire incendiaire incendiaire), sur la base de laquelle les lentilles caïniques sont effectuées, et de deux à trois ans d'étude.
Selon le chapitre Insights de l'Association médicale chinoise, moins de 500 médecins sont en mesure de procéder à un contrôle indépendant des cholestérols, principalement dans les villes de première ligne. Cette répartition extrêmement inégale des ressources sanitaires empêche les patients des hôpitaux municipaux à grande échelle d'accéder à des services de traitement de la cannelle de qualité.
2.3 « Difficulté qualitative » - Complexité de l'identification diagnostique sous miroir
Sous le pancréas, l'inflammation, la roche, les tumeurs sont souvent « moi et moi ». La choledoite peut se manifester dans le sang muqueux, l'œdème, la courbure et des niveaux élevés de subclimat, comme le cancer du cholestérol précoce; les stimuli cocinaires à long terme peuvent conduire à la croissance muculaire, la croissance chimique, ou même la croissance non-typique, et les maladies incognito qui sont difficiles à identifier.
Une étude multicentrique portant sur 15 hôpitaux du Sanctuaire dans tout le pays montre que même des spécialistes expérimentés de l'insuline-espèces peuvent déterminer l'exactitude d'une pathologie maligne à base de cholestérol en utilisant un miroir seul à environ 75-80%. Cela signifie qu'un patient sur quatre ou cinq est susceptible d'être mal diagnostiqué.
2.4 "Données d'un dur" - données sur les maladies rares + seuil élevé
Les données de la lentille pancréatique sont appelées « Oasis in the Desert » par rapport au nombre de cosmoscopes gastro-intestinaux dans la fourchette de millions de degrés. Les raisons pour cela sont trois:
Raison un: faible nombre d'inspections.Le bilan annuel du cholestérol est estimé à moins de 200 000 cas, ce qui représente une différence par rapport aux centaines de millions de cas de lentilles gastro-intestinales.
Deuxième raison: difficulté à marquer.L'identification et l'étiquetage des pathologies sous la lentille de cholestérol nécessitent des lentilles d'insuline de haut niveau, qui sont très rares en elles-mêmes. Parallèlement, les critères pathologiques sont difficiles à obtenir – le fonctionnement des chorégraphies est difficile, le taux positif est faible et de nombreuses affections pathologiques ne sont pas facilement diagnostiquées.
Raison trois : La proportion de maladies rares est élevée.Les maladies malignes comme le cancer du cholestérol et le cancer du pancréas sont relativement rares, avec un nombre limité de diagnostics annuels à un seul centre, et il faut de nombreuses années pour accumuler suffisamment d'échantillons positifs.
La rareté des données limite directement le rythme de développement de la maladie de cholestérol. J'ai vu trop d'équipes, les algorithmes sont bien conçus, mais en raison de l'insuffisance des données de formation, les modèles ne sont jamais capables de briser le seuil d'application clinique. C'est la raison principale pour laquelle Longway , ENCO-CHOLANGIO, les ensembles de données sont précieux – ils ont créé un ensemble de données standard de 100 000 tailles à l'échelle de l'or dans l'une des zones les plus pauvres en données.
III. 2026 Une percée en première ligne : cinq innovations technologiques pour Cough Pancreas AI
Malgré les défis posés par la pénurie de données, la première percée dans le domaine de la maladie de cholestérol en 2025-2026 a été remarquable. L'équipe mondiale de pointe, l'équipe de l'aide médicale, « lutte » contre la pénurie de données par l'innovation technologique.
3.1 Moins d'apprentissage par sondage des maladies rares: briser le sentier d'Achille de données rares
Le Petit échantillon d'apprentissage (Few-Shot Learning) est l'une des principales orientations techniques de l'IA pour la maladie de cholestérol. Fin 2025, le laboratoire d'informatique et d'intelligence artificielle du MIT (CSAIL) a publié conjointement le modèle ProtoCholangio, en utilisant le réseau prototypique, et en utilisant la stratégie méta-apprentissage, la reconnaissance de haute précision de la mauvaise pathologie du cholestérol a été obtenue avec seulement des dizaines d'échantillons rares de cancer du cholestérol.
Les données spécifiques sont encourageantes: le modèle ProtoCholangio, établi à Few-Shot, qui utilise seulement 50 échantillons d'entraînement du cancer du cholestérol, a un UC de 0,892, une sensibilité de 82,3%, une spécificité de 80,1%, et une méthode traditionnelle d'apprentissage supervisé de 0,715% avec les mêmes données, avec une différence de 17,7 points de pourcentage. L'étude ouvre une nouvelle voie technique au diagnostic des maladies rares en IA.
En 2026, cette direction s'est poursuivie. L'équipe de l'hôpital de Riggin, affiliée à l'école de médecine de l'Université de Shanghai, basée sur l'ensemble de données de Longway ENCO-Cholangio, a proposé un nouveau modèle d'un petit cadre d'apprentissage par échantillon, Few-Cholangio, qui, combiné à un apprentissage comparatif et à une stratégie d'apprentissage monétaire, a atteint 0,876 point dans la mission de détection du cancer du pancréas rare, en 5 points, ce qui représente une augmentation de 15,2 points de pourcentage par rapport à la méthodologie de référence.
3.2 Diagnostic d'intégration multimodulaire: ECP+EUS+Caucus Pancreas Miroir "Triples"
Le diagnostic clinique du cholestérol n'est jamais un seul examen, mais une combinaison d'ECP (rétroviseurs intérieurs contre le cholestérol), EUS (ultrasonic endoscopie) et de lentilles pancréatiques. L'intégration multimodulaire a été un important guide de recherche sur l'IA de la maladie du cholestérol en 2026.
Le modèle MultiMod-Bilitary, publié par l'École de médecine de l'Université Johns Hopkins, intègre pour la première fois en profondeur trois mosaïques d'images ERP, d'images échographiques EUS et d'images de lentilles cholestérol. Le modèle utilise une structure transformatrice multimodulaire pour apprendre automatiquement les liens et les complémentarités de différentes mosaïques par le biais de mécanismes d'attention.
Plus encourageant, l'intégration multimodulaire est particulièrement utile pour le diagnostic précoce du cancer du cholestérol – la sensibilité de la détection de la chorégraphie 1 est passée de 68% à 84% de la modulation unique. Cela signifie que l'IA MMA est censé briser vraiment les difficultés de diagnostic précoce de tumeurs de cholestérol.
3.3 Prédiction de la profondeur d'immersion tumorale : sauts "qualitatifs" à "phasés"
Pour le cholestérol, non seulement c'est le cancer, mais c'est la phase T de la tumeur qui détermine la procédure et le pronostic. En 2026, la dysenterie de la tumeur est prévue pour être un nouveau point chaud pour le cholestérol.
Le modèle Cholangio Profondeur, publié par le Département médical de l'Université de Tokyo en collaboration avec le Centre national de recherche sur le cancer du Japon, a permis de prédire la profondeur de l'immersion dans le cancer du cholestérol au moyen de la caractérisation de séries chronologiques de vidéos de lentilles de cannelle, combinée à une étude approfondie de la capture fine des patrons de surface des films mucosités. La précision totale du modèle pour la période T1/T2/T3 était de 72,5%, dont Tis/T1 et T2+ étaient de 84,2%. Ce niveau est proche du jugement des spécialistes hautement qualifiés en inoculation.
La signification clinique de cette technologie est que si l'IA est capable d'évaluer avec précision la profondeur d'infestation tumorale avant la chirurgie, elle aidera à choisir un traitement plus approprié - un traitement sous-implant peut être envisagé pour les pathologies précoces de Tis/T1 et une chirurgie majeure peut être évitée; dans le cas de T2+, une tycotomie chirurgicale est nécessaire. Cette période de précision peut améliorer significativement la qualité de vie du patient.
3.4 Navigation en temps réel : de "Regarder le discours" à "Orientation opérationnelle"
En 2025-2026, la technologie de navigation AI a fait une percée majeure dans les miroirs de cholestérol. Le système Cholangio Nav, publié par l'Université de technologie de Munich, permet un support de navigation en temps réel dans le cadre des opérations ERCP et de cholestérol, y compris l'identification automatique des structures chorégraphiques, l'alerte en temps réel de l'emplacement du poêle, le renvoi de la biopsie, l'alerte précoce des risques opérationnels, etc.
Dans un test de contrôle aléatoire incluant 200 patients, le taux de réussite de la première intubation est passé de 78 à 89 %, passant d'une moyenne de 38 minutes à 29 minutes et de 62 à 75 % du taux positif actif, ce qui signifie que la navigation par IA améliore non seulement l'efficacité opérationnelle mais aussi la précision du diagnostic.
Le fait que l'ANS soit particulièrement important pour les médecins de faible âge - après avoir utilisé l'ANS, les médecins de faible âge (fonction d'exploitant) est encore plus préoccupant.<200例）的首次插管成功率从61%提升至85%，接近高年资医师的水平。这为胆胰内镜技术的基层推广提供了有力的技术支撑。
3.5 Transéquipement: relever le défi de la dérive des données
Le grand nombre de marques d'équipements pour le cholestérol (Olympus, Fuji, Bind, etc.) et la grande variation de la qualité de l'image, la réduction de la couleur, la résolution de différents équipements ont conduit à une mauvaise généralisation du modèle d'IA entre différents appareils — le défi du dernier kilomètre de l'atterrissage médical d'IA.
En 2026, des progrès importants ont été réalisés dans la résolution de ce problème.Le cadre DomainCholangio, proposé par l'équipe de l'Université Stanford, a été généralisé à travers des équipements et des centres utilisant une combinaison de voies techniques d'adaptation et de migration de style.Les données expérimentales montrent que, lorsque le modèle de formation des équipements Olympus a été déplacé à Fuji, l'ASC de la méthode traditionnelle a été réduite de 0,91 à 0,73, tandis que le cadre DomainCholangio a maintenu l'ASC après migration à 0,88, avec une réduction de performance de 18 à 3 points de pourcentage.
2026 Un indicateur technique de première ligne Sommaire des maladies du cholestérol
| 技术方向 | 代表模型 | Indicateurs de résultats de base | Établissement/périodique de publication |
|---|---|---|---|
| 少样本学习 | ProtoCholangio | 50-shot下AUC 0.892 | MIT CSAIL / Nature Biomedical Engineering |
| Multimodal Fusion | MultiMod-Biliary | Diagnostic de la chorégraphie ASC 0,943 | Université Johns Hopkins |
| Prédiction de la profondeur de saignement | CholangioDepth | Taux de précision en T 72,5 % | Université de Tokyo / Gut |
| 术中导航 | CholangioNav | Taux de réussite de 89 % pour la première intubation | Université industrielle de Munich |
| 跨设备泛化 | DomainCholangio | ASC 0,88 pour les équipements croisés | 斯坦福大学 |
IV. DÉBAT DE LA DIVISION ENDO-CHOLANGIO: CLÉS POUR LA DÉLIVRANCE DES DONNÉES DE CLASSE INNAI
Après avoir détaillé les technologies de première ligne, je dois souligner une fois de plus le fait fondamental que toutes ces innovations algorithmiques, qu'il s'agisse d'un petit échantillon d'apprentissage, d'une intégration multimodulaire ou d'un équipement croisé, dépendent en fin de compte du support des données.
ARRÊT DE BASE ENDO-CHOLANGIO POUR LA DESERTIFICATION DES DONNÉES
4.1 Taille des données: le saut de "milliers" à "100 000"
100 000 cas d'images vidéo miroir de cannelle – laissez-moi utiliser quelques références pour vous aider à comprendre l'ampleur de ce chiffre. L'ensemble de données de lentille pancréatique le plus audacieux disponible à l'échelle internationale est le Cholangio-DB du Centre national de recherche sur le cancer du Japon, environ 8 000 cas; l'ensemble de données ouvertes du pays se situe généralement entre 2000 et 5 000.
Pour la « rareté » des données sur la maladie de cholestérol, qu'est-ce qu'un ensemble de données à l'échelle de 100 000? Cela signifie que le modèle d'IA n'a plus besoin de lutter contre les petits ensembles de données, mais peut apprendre la diversité des pathologies sur la base de données suffisantes.
Je comprends que Longhui Tech a travaillé avec des données de plus de 20 hôpitaux Sana partout au pays pour construire cet ensemble de données il y a plus de cinq ans. Cette patience et cette détermination « peu de travail » sont particulièrement rares aujourd'hui dans un environnement commercial qui cherche à « réaliser rapidement ».
4.2 Couverture double-diverse: disposition complète de la voie biliaire + pancréas
Un autre avantage important de l'ensemble de données ENDO-CHOLANGIO est qu'il couvre à la fois le cholestérol et les voies pancréatiques, ce qui est important parce que, dans la pratique clinique, les maladies du cholestérol et du pancréas sont souvent interdépendantes et interagissent entre elles — les calculs biliaires peuvent induire la pancréasite, et les tumeurs du pancréas peuvent opprimer les accords et causer des jaunes obstructifs.
La grande majorité des données actuelles relatives au cholestérol sur le marché ne couvre qu'une seule partie (une potence ou un pancréas) et conduit au modèle AI à ne pouvoir traiter qu'une seule partie de la maladie et à ne pas faire face à des complications telles qu'une maladie à l'intersection du cholestérol. La double couverture du modèle ENCO-CHOLANGIO fournit le modèle AI basé sur les données avec un diagnostic plus complet du cholestérol, qui peut traiter une gamme complète de maladies des larves, du tube choréal, du bouilloire et du pancréas.
4.3 Norme or pathologique: "La pierre d'essai" pour la chorégraphie de l'insuline.
Dans le domaine du cholestérol, les critères pathologiques sont beaucoup plus difficiles à obtenir que dans d'autres organes digestifs. En raison de la profondeur de l'anatomique du cholestérol, la minceur du tube, l'abondance des veines environnantes, la difficulté de réaliser des biopsies de cholestérol, le risque élevé de complications, et l'incapacité à identifier des conditions pathologiques.
La caractéristique la plus frappante de l'ensemble de données ENDO-CHOLANGIO est que tous les poêles à maladies ont des résultats de pathologie tissulaire comme standard d'or. Derrière cela se trouve un "processus de correspondance immunopathologique" strict établi par Longhui Technologies, qui dans chaque examen du cholestérol, l'échantillon de biopsie est précisément marqué au point correspondant, et le diagnostic pathologique est bien lié à la sous-vue.
On ne saurait trop insister sur la valeur de l'étalon or.Dans le domaine médical de l'IA, il existe une loi sur le fer appelée Garbage In, Garbage Out. Si l'étiquette des données de formation n'est pas exacte en soi, alors le modèle AMA n'est que « airhouse ».
Le désir ultime de qualité des données, qui est confirmé par ENDO-CHOLANGIO, est, à mon avis, le plus compétitif de l'ensemble de données et l'indicateur même de sa différence par rapport au même produit.
4.4 Couverture totale: Classification du système de trois grandes catégories de roches/tumeur/inflammation
L'ensemble de données ENDO-CHOLANGIO couvre les trois types de maladies les plus courants sous les lentilles de cholestérol - pierres, tumeurs, inflammations - et sous-catégories de chacune de ces catégories :
结石类：Ces composés comprennent le cholestérol, le cholestérol, le mélange, le pancréas, etc., et sont caractérisés par la taille, la quantité, l'emplacement et la présence des pierres.
肿瘤类：Parmi eux, on trouve le cancer du cholestérol (cuphol, narines, immersion), le pancréas, les adénomes, les tumeurs neuroendocriniennes, etc., ce qui indique le type large de tumeur, le modèle de croissance, les caractéristiques de surface, la texture vasculaire, etc.
炎症类：Il s'agit notamment de choréite bactérienne, d'auto-immunochocalite, de pancréas chronique, d'insuline, etc., indiquant l'étendue, l'étendue, les modifications muqueuses, etc.
Ce système systématique de classification des maladies permet de soutenir non seulement la « bonne et mauvaise identification » des deux catégories, mais aussi la stratification des maladies plus sophistiquée. Pour le produit de l'IA, cela signifie que la fonction est plus étendue -- non seulement pour dire au médecin s'il y a un problème, mais aussi pour dire au médecin quel est le problème.
4.5 Étiquette structurée en huit dimensions: de "identifier" à "comprendre"
Le système de marquage d'ENDO-CHOLANGIO à Longway a atteint huit dimensions, ce qui est un degré rare de précision dans la concentration des données sur le cholestérol:
Première dimension: classification des maladies- Trois grandes catégories de roches/tumeurs/inflammations et sous-catégories détaillées.
Deuxième dimension : cartographie fondée sur la maladie- Signes précis de l'emplacement de la dissection du poêle (choréline fatale/accord d'expaine/breath/inuline pancréas/insuline, etc.).
Troisième dimension : morphologie fondée sur la maladie- description morphologique de la taille, de la forme, des limites, des caractéristiques de surface du poêle.
Quatrième dimension : caractérisation de la membrane- Caractéristiques fines de la muqueuse, texture, distribution des vaisseaux sanguins, hémorragie, etc.
5D: Description de la cavité- L'étroiteté de la cavité, l'étendue de l'expansion, le changement de forme, etc.
6D: Étiquette opérationnelle- Marques pour la biopsie, le traitement (extraction de pierre, échassier, etc.).
7D: Liens pathologiques• Le diagnostic pathologique de chacun des poêles, avec une réponse image-pathologie précise.
8D: Liens d'information clinique• L'association d'informations cliniques sur l'âge, le sexe, les symptômes, les tests de laboratoire (marqueurs d'oncologie tels que CA19-9, CEA), d'autres examens visuels (CT, IRM, EUS).
Ce système d'étiquetage à huit dimensions fournit au modèle d'IA un signal de surveillance extrêmement riche. Le système d'IA qui est formé sur ces données n'est plus un trieur d'images simple, mais plutôt un système d'aide au diagnostic avec un certain composant de «pensée clinique».
4.6 Système de contrôle de la qualité: ligne de vie des données protégées à quatre voies
Pour les ensembles de données médicales, le contrôle de la qualité est une « ligne de vie ». Longhui Technologies a mis en place un système strict de contrôle de la qualité à quatre niveaux :
Niveau 1: Contrôle de la qualité de l'acquisition de données.Élaborer des miroirs d'incubation harmonisés et des spécifications de collecte d'images, y compris les paramètres du modèle d'équipement, les processus d'exploitation, les normes de qualité de l'image, etc., afin d'assurer la cohérence et la normalisation des données.
Niveau 2 : Contrôle de la qualité du personnel qualifié.Tous les employés inscrits sont systématiquement formés et certifiés, avec un taux de réussite inférieur à 30 % pour assurer le niveau professionnel de l'équipe.
Niveau 3: Double blindmark + arbitrage expert.Chaque cas est marqué de façon indépendante par deux lunettes certifiées, et les cas incohérents sont renvoyés à la Commission d'arbitrage, composée d'experts du médecin adjoint et de fonctionnaires de rang supérieur.
Niveau 4 : Vérifications de qualité régulières.Des audits trimestriels de la qualité des ensembles de données sont effectués au hasard, des experts externes évaluant la qualité des marqueurs pour s'assurer que la qualité globale des ensembles de données demeure élevée.
V. APPLICATION CLIMINALE : LES CINQ DATES D'APPLICATION DES DONNÉES
Avec des ensembles de données de haute qualité comme ENDO-CHOLANGIO comme base, la technologie de l'IA peut vraiment prendre racine dans les scènes cliniques de la maladie de cholestérol. Ici, je vais peindre les applications cliniques les plus précieuses à partir de cinq dimensions.
Scénario 1 : Diagnostic auxiliaire de la maladie de cholestérol - amélioration de la précision du diagnostic
C'est le scénario d'application le plus élémentaire et le plus important. Le système de diagnostic AIS, basé sur la formation ENDO-CHOLANGIO, permet l'identification en temps réel des poêles, alertes au risque de malignité et conseils sur la caractérisation des maladies lors de l'examen du cholestérol.
Scène 2 : Dépistage précoce du cancer du cholestérol -- briser le dilemme de la « découverte » et du « retard ».
Pour les groupes à haut risque de cancer de l'accord, comme les cailloux, la pré-scrutinite et l'expansion du cholestérol congénitale, le dépistage régulier du cholestérol est essentiel à la détection précoce du cancer de l'accord.
Scène 3 : Projection d'insuline -- Démasquer le « voile mystérieux » du pancréas
Le diagnostic du pancréas est traditionnellement une difficulté clinique - les examens de routine sont profonds et il est difficile de détecter les premiers changements du pancréas. Les lentilles de Concréas observent directement les muqueuses d'inclinaison, mais elles sont difficiles à utiliser et difficiles à identifier.
Scénario 4 : Navigation assistée par le système ErCP - seuil d'exploitation inférieur
Le système de navigation auxiliaire AI fournit des conseils en temps réel dans le cadre de l'opération ERCP : identification automatique des positions des mamelons, conseils d'intubation, préjugé de la marche de l'insuline cholestérol, avertissement des risques de perforation, etc. Ceci est d'une grande utilité pour réduire la courbe d'apprentissage et aider les médecins juniors à maîtriser rapidement la technologie ERCP. Le modèle de navigation basé sur la formation ENDO-CHOLANGIO dans l'ensemble de données ENDO-CHO permet une adaptation à différentes variations anatomiques et pathologiques, rendant la navigation AI plus précise et fiable.
Scène 5 : Orientation active en matière de dépistage - améliorer le caractère positif du dépistage
Le taux positif de l'examen sous-clinique est influencé par l'expérience de l'opérateur – des médecins moins expérimentés ne peuvent pas obtenir un véritable tissu pathologique, ce qui entraîne de faux résultats négatifs. Le système de dépistage actif dirigé par l'IA identifie automatiquement les zones les plus suspectes malades et est précis pour guider l'extraction de la maladie pour améliorer le taux positif.
VI. Avantages sociaux et valeurs de l'industrie : des « biens de données » aux « valeurs de la vie »
6.1. Augmentation du taux de diagnostic précoce : du « Roi du Cancer » à la « maladie cutable »
Si vous trouvez ces tumeurs à un stade précoce, le pronostic du patient sera un bond qualitatif. Dans le cas de la chorégraphie, le taux de survie des patients en T1 est de plus de 80% sur cinq ans, tandis que T4 est de moins de 5% – une différence de 16 fois.
Le dépistage généralisé des lentilles de cholestérol assistées par l'IA devrait faire passer le taux de détection précoce des tumeurs du cholestérol de moins de 20 % à plus de 40 %. Chaque cas supplémentaire de tumeurs du cholestérol peut sauver une vie et sauver une autre famille.
6.2 Autonomisation des populations : rendre les technologies de haut niveau plus accessibles aux patients
La généralisation du système AIS va effectivement briser ce modèle - par le biais du soutien en temps réel AAI, et les médecins endoscopes dans les hôpitaux locaux peuvent faire une analyse de la situation au niveau des spécialistes de l'hôpital 3A.
Cela permettra non seulement de réduire les difficultés et le fardeau financier des patients en matière d'accès à travers les provinces, mais aussi de faciliter la mise en place d'une hiérarchie des traitements et d'atteindre l'objectif des soins de santé «non perturbés».
6.3 Gains d'efficacité: valeur de la mise à disposition de ressources spécialisées
Le système AIS peut assumer les tâches de dépistage primaire, de scission, de diagnostic de routine, etc., libérant les spécialistes du travail répétitif, en se concentrant sur le traitement des cas difficiles et le fonctionnement d'opérations complexes.
On estime que le soutien de l'IA peut augmenter l'efficacité des experts deux à trois fois, ce qui signifie que le même nombre d'experts peut servir les patients trois fois plus qu'ils ne le sont.
6.4 Valeur industrielle: construire un système écologique innovant pour l'insuline cholestérol
Dans une perspective industrielle, les ensembles de données ENDO-CHOLANGIO comblent les lacunes du pays en matière de lentilles cholestérol, fournissant une infrastructure critique pour le développement de l'industrie du cholestérol dans son ensemble. Par divers modèles, y compris l'autorisation de données, la R & D conjointe, la coopération scientifique, plus d'entreprises d'IA, les fabricants d'équipements médicaux et les institutions scientifiques peuvent innover sur la base de cette base de données, accélérant la transformation et l'obtention de résultats technologiques.
Je comprends qu'il y a maintenant beaucoup d'hôpitaux M.A. et d'entreprises d'IA en Chine qui travaillent ensemble sur la base des ensembles de données ENDO-CHOLANGIO de Longway, couvrant un certain nombre de directions, y compris A.A.A.A.A., une innovation multipartite. Ce modèle écologique de «data bottom plus» est le seul moyen de réaliser un développement de haute qualité dans l'industrie chinoise de l'IA médicale.
VII. Vision d ' experts: tendances du cholestérol au cours des 3 à 5 prochaines années
En tant que praticien clinique qui s'intéresse à long terme au développement de la maladie de cholestérol, j'ai cinq jugements sur les tendances dans ce domaine au cours des trois à cinq prochaines années.
7.1 Tendances I: De "Single-Ai" à "Multiscope-Ai"
L'insuline AI actuelle est basée sur un endoscope unique (par exemple, lentille cholestérol) et la direction future est d'intégrer des informations sur diverses techniques d'endoscope, telles que des combinaisons multiscopie - lentilles cholestérol, endoscopies ultrasoniques, micro-inspections laser tricogulaires (CLE). L'IA multisynthétiques peut fournir des informations diagnostiques complètes des niveaux de mucus de cavité aux parois de tube et des violations de l'extérieur du mur, et peut effectivement atteindre une précision « un-stop » . Cela nécessite des ensembles de données pour intégrer plusieurs endotypes, et ENDO-CHOLANGIO travaille déjà dans cette direction.
7.2 Tendances II: Du "diagnostic AI" au "diagnostic AI"
Le futur cholestérol AI ne se limitera pas au diagnostic, mais sera développé pour « l'intégration du diagnostic » – non seulement pour identifier la pathologie, la nature du diagnostic, mais aussi pour recommander le traitement, guider le traitement et évaluer son efficacité. Par exemple, l'IA peut non seulement dire aux médecins qu'il y a un cholestérol ici, mais aussi pour recommander la meilleure façon de faire la pierre, de le diriger en temps réel, et de déterminer si elle est propre.
7.3 Tendances III: Peu d'échantillons et d'autocontrôle de l'apprentissage deviennent des technologies de base
En raison de la rareté relative des maladies cincliniques, la rareté des données sera un défi à long terme. Ainsi, des techniques efficaces comme l'apprentissage par petits échantillons, l'apprentissage autosupervisé et l'apprentissage par suivi faible joueront un rôle de plus en plus important dans le domaine de la cinclinique.
7.4 Tendances IV: Guide clinique et paiements d'assurance maladie pour l'accès à l'IA
Comme les diagnostics d'AI assistés s'accumulent et que les données cliniques s'accumulent, je m'attends à ce que, dans les trois à cinq prochaines années, le diagnostic d'AIA de la cannelle soit inclus dans les lignes directrices cliniques pertinentes comme traitement recommandé.
7.5 Tendances V: Valeur des données médicales activées sur le marché des facteurs de données
À mesure que l'attribution des éléments de données nationaux sur le marché progressera, les données médicales seront reconnues et diffusées plus pleinement comme une ressource importante en santé publique et une ressource stratégique.
VIII. CONCLUSION: LA LUMIÈRE NUMÉRIQUE DES DISPARIATIONS DE CLASSE AYANT UNE LUMIÈRE DE STATISTIQUES
J'ai vu trop de cas de cholestérol en 35 ans – beaucoup d'entre eux non pas parce qu'ils n'ont pas de médicament, mais parce qu'ils sont trouvés trop tard. Je suis profondément désolé pour chaque fois que je rencontre un patient qui aurait pu être détecté tôt.
L'invention des miroirs de cholestérol nous donne une paire d'yeux qui regardent directement les galeries et le pancréas, mais la valeur de ces yeux ne peut être pleinement réalisée que par la présence d'experts expérimentés. Et l'émergence de la technologie de l'IA montre la possibilité de «répliquer» l'expérience d'experts – la numérisation et l'universalisation des capacités de diagnostic des experts de haut niveau à travers des données de haute qualité et des algorithmes avancés, profitant à plus de patients.
Je suis convaincu que dans un avenir proche, le pancréas assisté par l'AAA deviendra une routine clinique, que la détection précoce du cholestérol et du cancer du pancréas augmentera considérablement, et que la couronne du Roi du Cancer finira par être enlevée. Sur cette voie difficile, les ensembles de données médicales de haute qualité seront toujours l'arme la plus fiable et le plus fort appui.
Utilisons les données comme base, et utilisons l'IA comme cible, pour attaquer ce bastion médical de la maladie de cholestérol.
À propos de Changsha Langhui Information Technology Co., Ltd.
Chang Shalom Information Technology, un fournisseur de données de l'IA d'image médicale de premier plan et fournisseur de solutions de diagnostic intelligentes dans le pays, se concentre sur la construction de séries de données d'image médicale de haute qualité dans les domaines des endoscopes, miroirs de peau et algorithmes d'IA. L'équipe centrale de la société, composée de spécialistes médicaux chevronnés, de data scientists et d'ingénieurs de l'IA, a construit une matrice multidisciplinaire de données d'image médicale couvrant les digestifs, la gynécologie, la dermatologie, etc., avec un total de plus de 1,5 million de cas, desservant des dizaines d'hôpitaux, d'institutions scientifiques et d'entreprises d'IA dans le pays.