Adenomdetektionsrate ved kunstig intelligens-assisteret koloskopi

Kolorektal cancer (CRC) er den tredjehyppigste kræftsygdom og den næsthyppigste årsag til kræftrelateret død på verdensplan. CRC-screening bruges til påvisning og fjernelse af præcancerøse læsioner, før de udvikler sig til kræft. Koloskopi anses for at være overlegen i forhold til andre screeningstests og bruges derfor som den gyldne standard.

Screening koloskopi er forbundet med en reduceret risiko for CRC-relateret død. Da det ikke er muligt for en endoskopist at bestemme polyppens histopatologi med sikkerhed under en koloskopi, bør påviste præ-maligne læsioner fjernes og sendes til histologisk undersøgelse. Flere undersøgelser har vist, at der er en stærk sammenhæng mellem fund ved baseline screening koloskopi og hyppigheden af ​​alvorlige læsioner ved opfølgningskoloskopi. Risikofaktorer for adenom, fremskreden adenom og cancer ved opfølgende koloskopi er multiplicitet, størrelse, villøshed og høj grad af dysplasi af adenomerne ved baseline screening koloskopi.

Adenomadetektionsraten (ADR) er procentdelen af ​​undersøgelser udført af én endoskopist, hvor der findes et eller flere adenomer. Dette er bredt accepteret som den vigtigste kvalitetsindikator for hver endoskopist og koloskopi. Der er stærke beviser for, at ADR er omvendt korreleret til forekomsten af ​​interval CRC. For hver 1,0 % stigning i ADR er der et fald på 3,0 % i risikoen for at udvikle CRC. Desværre savnes adenomer og fremskredne adenomer ofte, og bivirkningen varierer meget blandt forskellige endoskopister. Desuden ændrer kvaliteten sig i løbet af dagen. Både tilbagetrækningstiden og bivirkningen falder ved slutningen af ​​dagen, cirka med henholdsvis 20 % og 7 %. Små forbedringer i koloskopikvaliteten kan have stor betydning for resultatet ved screening for CRC.

Kunstig intelligens (AI) kan reducere præstationsvariabiliteten ved at fungere som et par ekstra virtuelle øjne, der kompenserer for perceptuelle fejl på grund af træthed, distraktion og unøjagtigt menneskeligt syn. Inden for de sidste par år er der blevet offentliggjort adskillige randomiserede kontrollerede forsøg (RCT), der undersøger effektiviteten af ​​computerstøttet detektion i realtid. Blandt disse har alle de RCT'er, der har ADR som det primære resultat, vist, at brugen af ​​AI bidrager til en signifikant højere ADR sammenlignet med koloskopier uden assistance fra et AI-system.

Repici et al. har vist, at erfaring fra endoskopisten kun spiller en mindre rolle som afgørende faktor. Tilsvarende viser resultater fra en tidligere undersøgelse af Liu et al. indikerer, at CADe-systemer ikke kun er nyttige for endoskopister med en lav detektionsrate, men også kan øge ADR for mere erfarne endoskopister. Kamba et. al rapporterer en signifikant lavere adenom miss rate (AMR) for CADe-assisteret koloskopi sammenlignet med en konventionel koloskopi. Dette er uafhængigt af endoskopistens ekspertiseniveau. Andre undersøgelser konkluderer, at AI sandsynligvis vil gavne de mindre erfarne endoskopister mere. Der er dog kun et begrænset antal undersøgelser, der undersøger virkningen af ​​AI, når det bruges af mindre erfarne endoskopister.

Ifølge en nylig RCT fra Wallace et al. brugen af ​​AI kan reducere AMR med ca. 50 %, men primært på grund af øget påvisning af små (<10 mm) flad neoplasi. Denne forskel er lidt højere end i en tidligere undersøgelse, hvor den relative reduktion var cirka 35 %. I denne undersøgelse var der dog ingen signifikant forskel i mistede diminutive polypper (<10 mm).

I en systematisk gennemgang blev den samlede tilbagetrækningstid vist at være højere med AI-assisteret koloskopi (AIC) sammenlignet med konventionel koloskopi (CC), men ADR og PDR var også højere. Naturligvis har der været bekymringer om forlænget koloskopitid og øget arbejdsbyrde ved implementering af AI-systemet, da den øgede påvisning af små polypper kan føre til unødvendig polypektomi. Imidlertid rapporterer to nylige RCT'er, at den unødvendige resektion af ikke-neoplastiske polypper ikke steg ved at bruge CADe-systemet.

Resultaterne indtil videre er lovende, hvilket tyder på, at AIC er overlegen i forhold til CC, når det kommer til påvisning af polypper og adenom. Rutinemæssig brug af computer-aided polyp detection (CADe) systemer kan yderligere reducere forekomsten af ​​interval CRC, men flere kliniske data fra store multicenter randomiserede forsøg er nødvendige for at forstå den faktiske virkning af AI i den daglige kliniske indstilling.

Vi har designet en kvalitetssikring multicenter RCT til at undersøge effekten af ​​real-time AI-assistance (GI Genius, Medtronic) på adenomdetektionsrate (ADR) hos både erfarne og mindre erfarne endoskopister. Vi ønsker at undersøge, om CADe-systemet kan reducere præstationsvariabiliteten og øge ADR markant.

Det overordnede formål med denne forskning er at undersøge, om AI-assistance i koloskopi kan øge ADR.

Dette prospektive, multicenter, randomiserede kontrollerede forsøg (RCT) vil finde sted på fire endoskopienheder i Region Sjælland, Danmark. Disse enheder er placeret på Sjællands Universitetshospital (Køge), Nykøbing Falster Sygehus, Holbæk Sygehus og Næstved Sygehus. Alle enheder undtagen Næstved Sygehus deltager i det nationale CRC-screeningsprogram.

Vi screener alle patienter, der er planlagt til screening, diagnostisk og overvågningskoloskopi. De berettigede patienter vil modtage en koloskopi fra en ekspert eller en ikke-ekspert endoskopist baseret på normalfordelingen af ​​endoskopister på de endoskopiske enheder.