metricas
covid
Buscar en
Gastroenterología y Hepatología (English Edition)
Toda la web
Inicio Gastroenterología y Hepatología (English Edition) The application of artificial intelligence in improving colonoscopic adenoma det...
Información de la revista
Vol. 46. Núm. 3.
Páginas 203-213 (marzo 2023)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 46. Núm. 3.
Páginas 203-213 (marzo 2023)
Review
The application of artificial intelligence in improving colonoscopic adenoma detection rate: Where are we and where are we going
Aplicación de inteligencia artificial para mejorar la tasa de detección endoscópica de adenomas: dónde estamos y hacia dónde vamos
Peiling Gana,1, Peiling Lia,1, Huifang Xiaa,1, Xian Zhoua, Xiaowei Tanga,b,
Autor para correspondencia
solitude5834@hotmail.com

Corresponding author.
a Department of Gastroenterology, Affiliated Hospital of Southwest Medical University, Luzhou, China
b Department of Gastroenterology, The First Medical Center of Chinese PLA General Hospital, Beijing, China
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (2)
Abstract

Colorectal cancer (CRC) is one of the common malignant tumors in the world. Colonoscopy is the crucial examination technique in CRC screening programs for the early detection of precursor lesions, and treatment of early colorectal cancer, which can reduce the morbidity and mortality of CRC significantly. However, pooled polyp miss rates during colonoscopic examination are as high as 22%. Artificial intelligence (AI) provides a promising way to improve the colonoscopic adenoma detection rate (ADR). It might assist endoscopists in avoiding missing polyps and offer an accurate optical diagnosis of suspected lesions. Herein, we described some of the milestone studies in using AI for colonoscopy, and the future application directions of AI in improving colonoscopic ADR.

Keywords:
Artificial intelligence
Adenoma detection rate
Convolutional neural networks
Computer-aided diagnosis
Resumen

El cáncer colorrectal (CCR) es uno de los tumores malignos más comunes del mundo. La colonoscopia es la técnica de examen crucial en los programas de detección del CCR para la detección temprana de lesiones precursoras y el tratamiento del cáncer colorrectal precoz, pudiendo reducir su morbilidad y mortalidad de manera significativa. Sin embargo, las tasas de pérdida de pólipos agrupadas durante el examen colonoscópico son tan altas como el 22%. La inteligencia artificial (IA) proporciona una forma prometedora de mejorar la tasa de detección de adenomas colonoscópicos (ADR). Podría ayudar a los endoscopistas a evitar la pérdida de pólipos y ofrecer un diagnóstico óptico preciso de las lesiones sospechosas. En este documento, revisamos algunos de los principales estudios sobre el uso de IA en colonoscopia y las perspectivas futuras en la mejora de la ADR colonoscópica.

Palabras clave:
Inteligencia artificial
Tasa de detección de adenomas
Redes neuronales convolucionales
Diagnóstico asistido por ordenador

Artículo

Opciones para acceder a los textos completos de la publicación Gastroenterología y Hepatología (English Edition)
Suscriptor
Suscriptor de la revista

Si ya tiene sus datos de acceso, clique aquí.

Si olvidó su clave de acceso puede recuperarla clicando aquí y seleccionando la opción "He olvidado mi contraseña".
Suscribirse
Suscribirse a:

Gastroenterología y Hepatología (English Edition)

Comprar
Comprar acceso al artículo

Comprando el artículo el PDF del mismo podrá ser descargado

Precio 19,34 €

Comprar ahora
Contactar
Teléfono para suscripciones e incidencias
De lunes a viernes de 9h a 18h (GMT+1) excepto los meses de julio y agosto que será de 9 a 15h
Llamadas desde España
932 415 960
Llamadas desde fuera de España
+34 932 415 960
E-mail
Opciones de artículo
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos

Quizás le interese:
10.1016/j.gastre.2019.11.003
No mostrar más