Künstliche Intelligenz unterstützte Koloskopie zur Erkennung von übersehenen proximalen Läsionen

Zentren

1. Queen Mary Hospital, Hongkong, China (Koordinierungszentrum)
2. Tan Tock Seng Krankenhaus, Singapur, Singapur
3. Institut für Gastroenterologie und Hepatologie, Vietnam Union of Science and Technology Association, Hanoi, Vietnam

Studienpopulation

Aufnahme:

Rekrutiert werden alle erwachsenen Patienten ab 40 Jahren, die sich in den teilnehmenden Zentren einer ambulanten Koloskopie unterziehen.

Ausschluss:

• Vorgeschichte einer entzündlichen Darmerkrankung
• Geschichte von Darmkrebs
• frühere Darmresektion (außer Appendektomie)
• Peutz-Jeghers-Syndrom, familiäre adenomatöse Polyposis oder andere Polyposis-Syndrome
• Blutungsneigung oder schwere Begleiterkrankungen, bei denen die Polypektomie als unsicher gilt.

Ausschluss nach Randomisierung:

• Blinddarm konnte aus verschiedenen Gründen nicht intubiert werden
• Der Boston Bowel Preparation Scale (BBPS)-Score des proximalen Dickdarms ist <2

Studiendesign Dies ist eine prospektive, randomisierte Studie, in der die Übersehensraten proximaler Kolonläsionen durch AI-unterstützte Koloskopie oder konventionelle Koloskopie verglichen werden (Abb. 1). Die Studie wird im Endoskopiezentrum der teilnehmenden Krankenhäuser durchgeführt.

Randomisierung Geeignete Patienten in jedem Zentrum werden nach dem Zufallsprinzip im Verhältnis 1:1 einer Tandem-Koloskopie des proximalen Dickdarms zuerst mit KI-Unterstützung und anschließend einer konventionellen Weißlicht-Koloskopie (Gruppe 1) oder einer konventionellen Weißlicht-Koloskopie ohne KI-Unterstützung zugeteilt konventionelle Koloskopie (Gruppe 2). Proximaler Dickdarm bezieht sich auf das Dickdarmsegment proximal zur Milzflexur. Die Randomisierung erfolgt in 4er-Blöcken durch computergenerierte Zufallssequenzen und stratifiziert nach Indikationen der Koloskopie (symptomatisch vs. Screening/Überwachung). Die Patienten werden gegenüber der Gruppenzuordnung verblindet.