Klinisk validering af PolyDeep: et kunstig intelligens-baseret computer-aided polyp detection (CADe) og karakterisering (CADx) system. Polydeep Advance 3

Kolorektal cancer (CRC) er den hyppigste kræftsygdom i den vestlige verden. Et grundlæggende værktøj til påvisning og forebyggelse er koloskopi. Påvisning og endoskopisk resektion af kolorektale polypper, forstadiet til CRC, kan reducere CRC-hyppighed og dødelighed. Adenoma Detection Rate er den mest anvendte endoskopiske kvalitetsindikator. Forbedringen af ​​denne indikator er relateret til reduktionen af ​​postkolonoskopi CRC forekomst og dødelighed.

Kolorektal polypdiagnose er baseret på endoskopisk resektion og histologisk analyse. En nøjagtig optisk diagnose kunne undgå histologisk læsion af mindre læsioner, hvilket reducerer omkostningerne forbundet med histologisk diagnose. NICE-klassifikationen (NBI International Colorectal Endoscopic) har foreslået brug af high definition endoskoper, der har Narrow Band Imaging (NBI). NICE skal dog bruges af endoskopister, der er tilstrækkeligt forberedte, og som har overvundet indlæringskurven. Derfor er optisk histologisk diagnose med høj nøjagtighed uafhængigt af center og endoskopist nødvendig.

Computer Aid Diagnosis (CAD) systemer baseret på kunstig intelligens oplever eksponentiel udvikling inden for medicinsk billedanalyse. Udviklingen af ​​CAD-systemet er baseret på oprettelse af store databaser med endoskopiske billeder og/eller videoer, på træning, udvikling og validering af diagnostiske algoritmer i sådanne databaser og endelig på prospektiv klinisk validering hos patienter, der gennemgår koloskopi. Målet med CAD-systemer i koloskopi er dobbelt. For det første har CAD-systemet til formål at øge påvisningen af ​​polypper (CADe) generelt og af adenomer og takkede læsioner i særdeleshed. Det andet formål er at karakterisere (CADx) histologien af ​​påvist læsion.

PolyDeep CAD er en funktionel prototype. Dette CAD-system er i stand til at detektere, lokalisere og klassificere kolorektale polypper. In vivo-valideringsdata viser, at PolyDeep har høj diagnostisk nøjagtighed til polyp-identifikation, og at denne nøjagtighed kan imødekommes. Formålet med PolyDeep advance 3 er at sammenligne forskelle i Adenoma Detection Rate i et randomiseret klinisk forsøg. Forskerne vil sammenligne adenomdetektionsraten mellem high definition koloskopi og PolyDeep assisteret high definition koloskopi, både i CRC screening og overvågning.