通过可解释的人工智能和边缘计算提升胃肠疾病诊断，改善患者护理

可解释的人工智能（AI）和边缘计算有潜力通过实现实时、可靠且可解释的决策来彻底改变胃肠（GI）疾病的诊断和管理。这些进展可以提高诊断准确性，通过早期发现、减少误诊和更有效的治疗计划来改善患者预后。已有研究表明，AI驱动的研究显著提高了诊断效率，可能减少侵入性程序的需求，并进一步提高专家级诊断的可及性，尤其是在服务不足的地区。

国际AI挑战赛如MICCAI（2015-2022）、EndoCV（2019-2021）、内镜伪影检测挑战（2019）、Medico自动息肉分割挑战（2020）、Auto-WCEBleedGen（V1 & V2）以及胶囊视觉2024，已显著推进了用于分类、检测和分割GI异常的最先进AI模型的发展。然而，关键挑战仍然存在，包括可解释性、泛化能力、可信度和实时部署，这些限制了AI在内镜超声、结肠镜检查、胶囊内镜、腹腔镜手术和机器人辅助手术中的集成。

本研究主题寻求跨学科研究，将AI创新与临床应用相结合，以改善患者护理，特别是针对GI疾病。通过推进可解释性和边缘计算解决方案，目标是开发出值得信赖、高效且无缝集成到临床工作流程中的AI辅助诊断工具，从而增强胃肠病学家的决策能力，最终改善患者预后。

诸如结直肠癌、炎症性肠病、乳糜泻和胃溃疡等GI疾病给全球健康带来了重大负担。早期和准确的诊断对于有效治疗至关重要，但传统的内镜检查和活检方法耗时、侵入性强且依赖于专科医生的可用性。AI已成为医学影像领域的一种变革性工具，提供了更高的效率、准确性和可访问性。

尽管具有巨大潜力，当前基于AI的研究在临床采用方面仍面临挑战。黑盒模型缺乏可解释性，导致临床医生对其自动决策产生不确定性，从而限制了信任。此外，基于云的AI引入了延迟，使其不适合实时诊断。边缘AI——直接在医疗设备上处理数据——解决了这些问题，实现了快速、本地化和资源高效的分析。通过整合可解释AI技术，临床医生可以更好地理解AI驱动的决策，从而提高信任度、改善患者安全并制定更个性化的治疗计划。

本专题旨在汇集研究人员和临床医生，开发直接影响患者护理的AI研究，具体要求如下：

• 可解释性：提供透明决策支持的AI模型，以支持临床信任和知情治疗选择。

• 高效性：实现实时诊断的AI系统，减少患者等待时间并最小化不必要的干预。

• 可靠性：在多样化数据集、成像方式和临床环境中具有良好泛化能力的AI模型，确保公平的医疗结果。

• 可部署性：设计用于实际临床集成的AI驱动工具，优化临床工作流程并减少诊断错误。

我们邀请高质量的研究贡献，探索AI和医学进步在GI疾病诊断中的应用，重点关注对患者的影响。主题包括但不限于：

• 以患者为中心的AI：开发提高诊断精度、减少误诊并改善临床决策支持的AI模型。

• 胃肠病学中的可解释AI：用于分类、检测、分割和预测建模的透明AI解决方案。

• 实时诊断的边缘AI：直接在医疗设备上进行图像和视频分析的AI，以减少延迟并提高诊断效率。

• AI驱动的早期检测和风险分层：算法改进早期检测条件，如结直肠癌、溃疡和炎症，及时进行干预。

• 伪影检测和图像增强：通过检测和去除伪影（例如气泡、碎片、模糊区域）来提高内镜视频质量的AI技术，确保准确诊断。

• 泛化能力和临床验证：跨机构研究，展示AI在多样化数据集和医疗环境中的适应性。

• 集成AI的远程医疗和远程监测：基于IoMT的解决方案，支持连续患者监测，特别是在服务不足地区的远程诊断。

• 机器人辅助手术中的AI：使用AI驱动的辅助手段提高微创手术的精确性和安全性。

我们鼓励提交原创研究、综述文章和案例研究，展示能够改善患者护理和临床决策的临床相关AI应用。作者应使用真实世界或开源数据集验证其方法，并与胃肠病学家合作以确保临床相关性。

(全文结束)