- Publikační typ
- abstrakt z konference MeSH
- Publikační typ
- abstrakt z konference MeSH
Protilátky proti CGRP nebo jeho receptoru blokují vazodilatační účinek CGRP a jsou nejúčinnějšími antimigreniky současnosti. Receptory pro CGRP jsou přítomny v řadě tkání těla, včetně trávicího traktu. Přepokládá se, že CGRP se zde podílí na regulaci motility, sekrece, resorpce a prokrvení. Blokáda jeho působení může mít za následek řadu nežádoucích účinků. Byl např. zaznamenán vyšší výskyt obstipace po erenumabu (anti-CGRP). Hypoteticky tato léčiva mohou ovlivňovat také hojení ulcerací gastroduodena, průběh idiopatických střevních zánětů nebo rychlost vyprazdňování žaludku.
CGRP antibodies block the vasodilating effect of CGRP and belong to the most potent antimigraine drugs available. The CGRP receptors are present in many tissues, including the gastrointestinal tract. CGRP is thought to be involved in the regulation of gastrointestinal motility, secretion, resorption and blood flow. Blockade of his action may result in a number of adverse effects. For example, a higher incidence of constipation after erenumab (anti-CGRP) has been reported. Hypothetically, these drugs may also impair gastroduodenal ulcerations healing, course of the inflammatory bowel disease or the gastric emptying rate.
Využití umělé inteligence jako asistenční detekční metody v endoskopii se v uplynulých letech těší zvyšujícímu se zájmu. Algoritmy strojového učení slibují zefektivnění detekce polypů, a dokonce optickou lokalizaci nálezů, to vše s minimálním zaškolením endoskopisty. Praktickým cílem této studie je analýza CAD softwaru (computer-aided diagnosis) Carebot pro detekci kolorektálních polypů s využitím konvoluční neuronové sítě. Navržený binární klasifikátor pro detekci polypů dosahuje přesnosti až 98 %, specificity 0,99 a preciznosti 0,96. Současně je diskutována nezbytnost dostupnosti rozsáhlých klinických dat pro vývoj modelů na bázi umělé inteligence pro automatickou detekci adenomů a benigních neoplastických lézí.
The use of artificial intelligence as an assistive detection method in endoscopy has attracted increasing interest in recent years. Machine learning algorithms promise to improve the efficiency of polyp detection and even optical localization of findings, all with minimal training of the endoscopist. The practical goal of this study is to analyse the CAD software (computer-aided diagnosis) Carebot for colorectal polyp detection using a convolutional neural network. The proposed binary classifier for polyp detection achieves accuracy of up to 98%, specificity of 0.99 and precision of 0.96. At the same time, the need for the availability of large-scale clinical data for the development of artificial--intelligence-based models for the automatic detection of adenomas and benign neoplastic lesions is discussed.
- Klíčová slova
- prostorová lokalizace,
- MeSH
- diagnóza počítačová * MeSH
- lidé MeSH
- neuronové sítě (počítačové) MeSH
- polypy střeva * diagnóza MeSH
- umělá inteligence MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- abstrakt z konference MeSH
- Publikační typ
- abstrakt z konference MeSH
