Vývoj umělé inteligence pro diagnostiku kolorektálních polypů

Využití umělé inteligence v počítačově asistované detekci (CADe) k detekci polypů (předrakovinných výrůstků) během kolonoskopie získává stále větší zájem a přijímání u mnoha zařízení, která jsou již na běžném trhu. Zkoušející již z práce v jiných zemích ví, že detekce většího počtu polypů vede ke snížení rizika rakoviny střeva u pacienta, který podstoupí tento zákrok, v letech následujících po kolonoskopii (tj. byly detekovány a odstraněny předrakovinné výrůstky). To vytvořilo základ národních programů screeningu rakoviny tlustého střeva. Se zvyšující se detekcí kolorektálních polypů roste potřeba správně identifikovat povahu polypu, aby bylo možné informovat o riziku kolorektálního karcinomu u detekovaného polypu a také o potenciálním budoucím riziku pro pacienta. Přesná diagnostika polypů je také nutná k určení správného způsobu nebo odstranění – zda ​​to vůbec vyžaduje odstranění (vedoucí k zachování nákladů a zdrojů v náročném současném klimatu), zda je možné endoskopické odstranění, a pokud ano, jakým postupem, zda chirurgický zákrok je požadováno.

Publikované údaje ukazují, že přibližně jedna čtvrtina chirurgicky odstraněných kolorektálních polypů u pacientů podstupujících velký chirurgický zákrok byla benigní, a proto bylo možné velké operaci předejít, pokud by tyto polypy byly endoskopicky odstraněny, čímž se snížilo riziko komplikací a zachování orgánů pro pacienta.

Současné techniky diagnostiky polypů zahrnují použití a interpretaci speciálních barviv a zvětšovacích endoskopů, které přicházejí se získáním odborných znalostí s přidruženou křivkou učení a delší dobou procedury. Právě z těchto důvodů, přestože jsou tyto techniky zavedeny do klinické praxe, je zavádění těchto technik omezené a současné metody stratifikace rizika polypů během kolonoskopie bez AI nejsou optimální.

Současné algoritmy AI pro diagnostiku polypů (CADx) jsou omezeny na menší klasifikaci Současné platformy CADx rozlišují mezi rakovinnými a nerakovinnými polypy, což má omezenou hodnotu při poskytování personalizovaného rizika pro pacienty s kolorektálním karcinomem. Vývoj vícetřídního algoritmu je složitější než binární klasifikace a vyžaduje větší tréninkové a ověřovací datové sady. Robustní algoritmus CADx by měl také zahrnovat globální trénovatelná data, aby se minimalizovalo zavedení zkreslení. Právě z těchto důvodů se jedná o plánovanou mezinárodní multicentrickou studii

Budoucí sběr dat:

Tato studie bude provedena spolu s obvyklou péčí o pacienty, ale bude vyžadovat, aby výzkumný personál zadal data do zabezpečeného webového formuláře zprávy (databáze REDCAP). To znamená, že účastníci podstoupí přesně stejný postup, bez rozdílů a bez dalších návštěv nebo údajů, než by se jinak stalo. Účastníky budou pacienti, u kterých byla naplánována kolonoskopie ze standardních důvodů. Pacienti budou zváni obvyklým způsobem na kolonoskopii.

Pokud je to možné, mohou jim být zaslány PIS s jejich jmenovacím dopisem (až 6 týdnů předem). Po příjezdu na endoskopickou jednotku je osloví člen výzkumného týmu a dostane kopii PIS k přečtení – až hodinu před výkonem. Před písemným souhlasem, který umožní shromažďování jejich údajů v databázi, jim budou poskytnuty osobní informace a vysvětlení. Vzhledem k tomu, že studie nevyžaduje žádné změny ani další postupy, zkoušející se domnívá, že počáteční přístup po příjezdu na endoskopickou jednotku poskytne dostatečný a vhodný čas k vyjádření souhlasu, i když PIS nebyl předem přečten (ačkoli bude zaslán Pokud možno). Jediným dodatečným hlediskem bude souhlas s pořízením videozáznamu (v rámci tohoto aspektu nebudou přenášeny žádné údaje umožňující identifikaci pacienta).

Po dokončení kolonoskopie nebudou žádné další návštěvy.