Påvisning af colonpolypper via et storskala kunstig intelligens (AI) system

Koloskopi er guldstandarden for påvisning og fjernelse af præcancerøse læsioner, og det har vist sig rigeligt at reducere dødeligheden. Dog er misfrekvensen for polypper under koloskopier 22-28%, mens 20-24% af de glemte læsioner er histologisk bekræftede præcancerøse adenomer. For at løse denne mangel foreslår efterforskerne et nyt polypdetektionssystem baseret på dyb læring, som kan advare operatøren i realtid om tilstedeværelsen og placeringen af ​​polypper under en koloskopi. Efterforskerne døber systemet DEEP: (DEEP) DEtection of Elusive Polyps. DEEP-systemet blev trænet på 3.611 timers koloskopi-videoer afledt af to kilder og blev valideret på et sæt bestående af 1.393 timers video, der kommer fra en tredje, ikke-relateret kilde. Til valideringssættet blev jordsandhedens mærkning leveret af offline gastroenterologannotatorer, som var i stand til at se videoen i slowmotion og pause/spole tilbage efter behov; to eller tre specialistannotatorer undersøgte hver video.

Dette er en prospektiv, ikke-blindet, ikke-randomiseret pilotundersøgelse af patienter, der gennemgår elektiv screening og overvågningskoloskopier ved hjælp af DEEP.

Formålet med undersøgelsen er at:

Vurder:

1. Antal yderligere polypper detekteret af DEEP-systemet i realtidskoloskopi.
2. Sikkerhed ved prospektiv vurdering af antallet af uønskede hændelser i undersøgelsesperioden, der tilskrives eller ikke tilskrives brugen af ​​DEEP-systemet.
3. Stabilitet af DEEP-systemet ved at måle antallet af falske positive (falske alarmer) pr. koloskopier 4 Og at undersøge dets gennemførlighed og anvendelighed i klinisk praksis ved at vurdere koloskopistens brugeroplevelse, mens DEEP-systemet anvendes i en 5-punkts skala.