De diagnose van colorectale kanker is lange tijd gebaseerd geweest op invasieve, subjectieve procedures. Het patent van Apex AI (nr. 10-2021-0025707) introduceert een krachtig AI-gestuurd systeem dat colonoscopiebeelden objectief analyseert om kankerrisico's te voorspellen, waardoor de nauwkeurigheid, efficiëntie en patiëntresultaten worden verbeterd. Het werkt als volgt: Overzicht Het patent dat door Apex AI is ingediend, schetst een geavanceerd systeem dat is ontworpen om het risico op colorectale kanker te voorspellen door colonoscopiebeelden te analyseren met behulp van kunstmatige intelligentie (AI). Het systeem heeft tot doel de beperkingen van traditionele diagnostische benaderingen, zoals biopsieën en handmatige beeldanalyses, te overwinnen door een objectiever, nauwkeuriger en efficiënter diagnostisch hulpmiddel te bieden. Technische achtergrond Colorectale kanker (CRC) is een aandoening die wordt gekenmerkt door ongecontroleerde celproliferatie, die de lichaamsfuncties aanzienlijk beïnvloedt. Conventionele diagnostische methoden omvatten weefselbiopsie en beeldvormingstechnieken (röntgenfoto's, MRI, enz.), die beide beperkingen hebben zoals invasiviteit, ongemak voor de patiënt, mogelijke onnauwkeurigheid en grote afhankelijkheid van de ervaring van clinici. Doel van de uitvinding De uitvinding probeert deze beperkingen aan te pakken door AI te gebruiken om colonoscopiebeelden systematisch te analyseren, kwantitatieve risicobeoordelingen voor colorectale kanker te bieden, waardoor de diagnostische betrouwbaarheid en toegankelijkheid worden verbeterd. Systeem componenten De uitvinding beschrijft een voorspellingssysteem voor het risico op colorectale kanker dat bestaat uit drie belangrijke modules (zoals afgebeeld op pagina 14): 1. Base Condition Analysis Unit (기저질환 판단부) - Maakt gebruik van AI-algoritmen om meerdere colonoscopiebeelden van verschillende colonlocaties te onderzoeken. - Identificeert en diagnosticeert basisziekten van de dikke darm, waaronder inflammatoire darmaandoeningen (IBD), de ziekte van Crohn, colitis ulcerosa, poliepen, laaggradige adenomen en hooggradige adenomen. 2. Associated Disease Analysis Unit (유관질환 분석부) - Analyseert de ernst, locatie, grootte, kleur en oppervlaktestructuur van gedetecteerde darmaandoeningen. - Bepaalt relaties tussen basisziekten en andere bijbehorende aandoeningen. 3. Risicoberekeningseenheid colorectale kanker (대장암 위험성 산출부) - Synthetiseert gegevens van de eenheden Base Condition en Associated Disease Analysis. - Berekent individuele risicoscores voor elke geïdentificeerde ziekte en voegt ze samen tot een uiteindelijke uitgebreide risicoscore voor colorectale kanker. Methodologie Het AI-gestuurde systeem maakt gebruik van de volgende methodologie: - Beeldacquisitie en op AI gebaseerde diagnose: Verkrijgt meerdere colonoscopiebeelden van verschillende colonsegmenten (rectum, sigmoïde colon, dalende colon, transversale colon, stijgende colon, blindedarm en appendix). AI-algoritmen classificeren de aan- of afwezigheid van colorectale pathologieën. - Uitgebreide analyse van pathologieën: Evalueert pathologiekenmerken (locatie, ernst, visuele kenmerken) om gecorreleerde ziektepatronen en mogelijke progressieroutes te identificeren. - Kwantitatieve risicobeoordeling: Berekent risicoscores voor geïdentificeerde aandoeningen en presenteert uiteindelijk een geaggregeerd risicoprofiel voor colorectale kanker dat clinici helpt bij het nemen van weloverwogen diagnostische en behandelingsbeslissingen. Voordelen en klinische impact Deze uitvinding verbetert de vroege opsporing, diagnostische nauwkeurigheid en risicostratificatie van colorectale kanker en biedt een aanzienlijke verbetering ten opzichte van traditionele diagnostische methoden. De AI-gestuurde aanpak vermindert subjectiviteit en menselijke fouten aanzienlijk, zorgt voor snelle beoordelingen en maakt betere klinische besluitvorming mogelijk.