Udvikling af kunstig intelligens til diagnose af kolorektal polyp

Brugen af ​​kunstig intelligens i computerassisteret detektion (CADe) til at detektere polypper (præ-cancerøse vækster) under koloskopi vinder stigende interesse og accept med flere enheder, der allerede er på det almindelige marked. Efterforskeren ved allerede fra arbejde i andre lande, at påvisning af flere polypper resulterer i en reduceret risiko for tarmkræft for den patient, der skal foretage proceduren, i årene efter deres koloskopi (dvs. præ-cancerøse vækster blev opdaget og fjernet). Dette har dannet grundlag for nationale tarmkræftscreeningsprogrammer. Med øget påvisning af kolorektale polypper er der et voksende behov for korrekt at identificere polyppens art for at informere om risikoen for kolorektal cancer med polyppen påvist og også den potentielle fremtidige risiko for patienten. Nøjagtig polypdiagnose er også påkrævet for at bestemme den korrekte tilstand eller fjernelse - om dette overhovedet kræver fjernelse (der fører til bevarelse af omkostninger og ressourcer i et udfordrende nuværende klima), om endoskopisk fjernelse er mulig og i givet fald ved hvilken procedure, om operation er påkrævet.

Publicerede data viser, at cirka en fjerdedel af kirurgisk fjernede kolorektale polypper med patienter, der gennemgår større operationer, var godartede, og derfor kunne større operationer have været undgået med disse polypper fjernet endoskopisk, hvilket reducerede risikoen for komplikationer og organbevarelse for patienten.

Nuværende polypdiagnoseteknikker involverer brug og fortolkning af specialiserede farvestoffer og forstørrelsesendoskoper, som kommer med opnåelse af ekspertise med en tilhørende indlæringskurve og øget proceduretid. Det er af disse grunde, at på trods af at de er blevet introduceret i klinisk praksis, er optagelsen af ​​sådanne teknikker begrænset, og de nuværende metoder til polypperrisikostratificering under koloskopi uden AI er suboptimale.

Nuværende polypdiagnose AI (CADx) algoritmer er begrænset til mindre klassifikation. De nuværende CADx-platforme skelner mellem cancerøse og ikke-cancerøse polypper, hvilket er af begrænset værdi ved at give en personlig patientrisiko for kolorektal cancer. Udviklingen af ​​en multiklasse-algoritme er af større kompleksitet end en binær klassifikation og kræver større trænings- og valideringsdatasæt. En robust CADx-algoritme bør også involvere globale oplærbare data for at minimere indførelsen af ​​bias. Det er af disse grunde, at dette er en planlagt international multicenterundersøgelse

Fremadrettet indsamling af data:

Denne undersøgelse vil blive udført sammen med sædvanlig patientbehandling, men vil kræve, at forskningspersonale indtaster data på en sikker webbaseret rapportformular (REDCAP-database). Det betyder, at deltagerne vil gennemgå nøjagtig den samme procedure, uden forskelle og uden ekstra besøg eller data, end der ellers ville være sket. Deltagerne vil være de patienter, der er planlagt til at have en koloskopi af standardårsagerne. Patienter vil på sædvanlig vis blive inviteret til koloskopi.

De kan - hvor det er muligt - få tilsendt PIS med deres aftalebrev (op til 6 uger før). Ved ankomsten til endoskopienheden vil de blive kontaktet af et medlem af forskerteamet og få en kopi af PIS til at læse - op til en time før deres procedure. De vil blive udleveret ansigt-til-ansigt information og forklaring, forud for skriftligt samtykke til at tillade, at deres data bliver indsamlet i databasen. Da undersøgelsen ikke kræver nogen ændring eller yderligere procedurer, mener investigator, at en indledende tilgang ved ankomsten til endoskopienheden vil give tilstrækkelig og passende tid til at give samtykke, selvom PIS ikke er blevet læst på forhånd (selvom det vil blive sendt hvis det er muligt). Den eneste yderligere overvejelse vil være samtykke til optagelse af videoen (ingen patientidentificerbare data vil blive overført som en del af dette aspekt).

Når koloskopien er gennemført, vil der ikke være yderligere besøg.