GastroBot: Umělá inteligence aplikovaná na přípravu střev

Pozadí Kolorektální karcinom (CRC) je třetím nejčastějším nádorem, nejčastějším gastrointestinálním nádorem a druhou příčinou úmrtí souvisejících s rakovinou. (1) Ve více než 80–90 % případů má CRC prekurzorovou lézi, adenomatózní polyp nebo adenom, který pomalu postupuje směrem k CRC. Kolonoskopie je považována za zlatý standard v její prevenci, protože umožňuje detekci a léčbu její počáteční formy. (2) Vezmeme-li toto v úvahu, bylo popsáno několik indikátorů kvality kolonoskopie, jako je rychlost intubace slepého střeva, doba vysazení a míra detekce adenomů/polypů (ADR), což je poslední z nejdůležitějších indikátorů korelujících s rizikem CRC. (3)

Proto, abychom snížili výskyt CRC, se musíme zaměřit na zlepšení ADR. Pro tento účel bylo popsáno mnoho technik, jako je zlepšení vzdělávání a výcviku endoskopistů, preparáty na střevo s rozděleným dávkováním, doba vysazení >9 minut a druhý pohled pravého tlustého střeva, použití endoskopie s vysokým rozlišením bílého světla, endokufové vidění, G-EYE dalekohled nebo Umělá inteligence. (2, 4) Všechny tyto techniky však mají společnou potřebu optimální vizualizace střevní sliznice a tato skutečnost závisí na očistě střeva. (3,4)

Problém Odhaduje se, že asi 20 % kolonoskopií má nedostatečnou přípravu. (5) To je spojeno se zdlouhavými postupy a menším záchytem adenomů, zkracuje se intervaly screeningu a zvyšuje se náklady a rizika komplikací. To způsobuje frustraci pacienta a lékaře z lékařsko-právních konfliktů. (6) Ideální metoda čištění musí být bezpečná, dobře tolerovaná a účinná, avšak žádná ze současných možností tyto vlastnosti nesplňuje. Hlavní příčinou nevhodného čištění (80 % případů) je nedodržení návodu k přípravě a většinou nesnášenlivost perorálního roztoku. (7,8)

Bylo navrženo několik strategií pro zlepšení kvality přípravy střev. Stejně jako v jiných oblastech byly mobilní aplikace pro zdravotnictví vyvinuty za účelem zvýšení přilnavosti k činidlům pro přípravu střev a zlepšení kvality přípravy střev. Dodržování mobilních zdravotnických aplikací je však také kritériem kvality a nevyřešeným problémem, který je třeba touto novou technologií vyřešit. Stejně jako každá mobilní aplikace musí být mobilní aplikace pro zdravotnictví kompatibilní s konkrétními zařízeními. GastroBot je nová technologie založená na umělé inteligenci, která umožňuje prostřednictvím softwarového bota provádět personalizované sledování pacientova střeva a radí pacientovi překonat nepředvídatelné události, které s přípravkem vznikají a které by za jiných okolností mohly vést k jeho selhání.

Cíl Primárním cílem této studie je zjistit zlepšení přípravy střev po asistenci GastroBot ve srovnání s tradičním vysvětlením. Sekundárním cílem této studie je také stanovení míry detekce adenomů a polypů (ADR a PDR), tolerance látek pro přípravu střev a funkčnosti GastroBot.

MATERIÁLY A METODY

Design studie Typ studie. Následuje průřezová jednoduše zaslepená a jedním centrem kontrolovaná randomizovaná studie. Budou vytvořeny dvě skupiny: GastroBot asistovaný střevní preparát (GB-skupina) a konvenční asistovaný střevní preparát (C-skupina).

Nastavení. Bude prováděna u po sobě jdoucích pacientů s indikací činidel pro přípravu střev před tím, než podstoupí kolonoskopii s intubací slepého střeva v Instituto de Gastroenterología y Endoscopía de Avanzada (IGEA), Hospital de la Asociación Médica (HAM) "Dr. Felipe Glasman“, Bahía Blanca, provincie Buenos Aires, Argentina. Protokol studie a formulář souhlasu byly schváleny Institutional Review Board (IRB) a budou provedeny v souladu s Helsinskou deklarací. Pacienti podepíší informovaný souhlas.

Intervence Za randomizaci pacientů bude odpovědný klinický koordinátor. Pacienti z obou studijních skupin dostanou stejný typ přípravku s polyethylenglykolem v rozdělené dávce, přičemž doba příjmu se stanoví podle tří časových úseků (8-11 hodin, 23-14 hodin, 14-16 hodin). C-group obdrží pokyny písemně bez předchozí personalizované rady. Skupina GB obdrží pokyny prostřednictvím aplikace WhatsApp, přičemž se nechá vést softwarovým robotem s několika a personalizovanými alternativními pokyny podle výsledků. Endoskopista provede endoskopii posouzením primárních a sekundárních cílových bodů, slepý vůči studijní skupině pacienta.

Velikost vzorku S ohledem na podíl nedostatečného BBPS (<6) mezi skupinou aplikací (7,7 %) vs. kontrolní skupinou (16,9 %) popsali Walter B et al (2021), vypočítali jsme velikost vzorku 194 případů na studijní skupinu, abychom určili oboustranný rozdíl v BBPS mezi GB skupinou a C skupinou s 80% statistickou silou.

Statistická analýza Základní charakteristiky budou porovnány mezi případem a kontrolní skupinou pomocí Chi-kvadrát o Fisherova testu pro kategorické proměnné a pro pokračující proměnné bude použit Mann-Whitney test. Hodnota P menší než 0,05 bude považována za statisticky významnou. Veškeré statistické analýzy budou provedeny pomocí nejnovější dostupné verze statistického programu R (R Foundation for Statistical Computing; Vídeň, Rakousko).

Omezení Protokol bude prováděn pouze v jednom centru a šesti endoskopisty. Je to jednoduchá slepá studie. Pacienti budou vědět, že používají (nebo ne) nový nástroj ke zvýšení kvality přípravy střev.