Tasa de detección de adenomas en colonoscopia asistida por inteligencia artificial

El cáncer colorrectal (CCR) es el tercer cáncer más común y la segunda causa más común de muerte relacionada con el cáncer en todo el mundo. La prueba de CRC se usa para detectar y extirpar lesiones precancerosas antes de que se conviertan en cáncer. La colonoscopia se considera superior a otras pruebas de detección y, por lo tanto, se utiliza como el estándar de oro.

La colonoscopia de detección se asocia con un riesgo reducido de muerte relacionada con el CCR. Dado que no es posible que un endoscopista determine con certeza la histopatología del pólipo durante una colonoscopia, las lesiones premalignas detectadas deben eliminarse y enviarse para un examen histológico. Múltiples estudios han demostrado que existe una fuerte asociación entre los hallazgos en la colonoscopia de detección inicial y la tasa de lesiones graves en la colonoscopia de seguimiento. Los factores de riesgo de adenoma, adenoma avanzado y cáncer en la colonoscopia de seguimiento son la multiplicidad, el tamaño, la vellosidad y el alto grado de displasia de los adenomas en la colonoscopia de detección inicial.

La tasa de detección de adenomas (ADR) es el porcentaje de exámenes realizados por un endoscopista, en los que se encuentran uno o más adenomas. Este es ampliamente aceptado como el principal indicador de calidad para cada endoscopista y colonoscopia. Existe una fuerte evidencia de que la ADR está inversamente correlacionada con la incidencia de CCR de intervalo. Con cada aumento del 1,0% en la ADR hay una disminución del 3,0% en el riesgo de desarrollar CCR. Desafortunadamente, los adenomas y los adenomas avanzados con frecuencia se pasan por alto, y la ADR varía mucho entre los diferentes endoscopistas. Además, la calidad cambia a lo largo del día. Tanto el tiempo de retiro como el ADR disminuyen al final del día, aproximadamente un 20% y un 7% respectivamente. Las pequeñas mejoras en la calidad de la colonoscopia pueden tener una gran importancia para el resultado cuando se realiza la detección del CCR.

La inteligencia artificial (IA) puede reducir la variabilidad del rendimiento al funcionar como un par de ojos virtuales adicionales, compensando los errores de percepción debido a la fatiga, la distracción y la visión humana imprecisa. En los últimos años se han publicado varios ensayos controlados aleatorios (ECA) que investigan la eficacia de la detección asistida por computadora en tiempo real. Entre estos, todos los ECA que tienen ADR como resultado primario, han demostrado que el uso de IA contribuye a una ADR significativamente mayor, en comparación con las colonoscopias sin la asistencia de un sistema de IA.

Repici et al. han demostrado que la experiencia del endoscopista sólo juega un papel menor como factor determinante. En consecuencia, los resultados de un estudio previo de Liu et al. indica que los sistemas CADe no solo son útiles para endoscopistas con una baja tasa de detección, sino que también pueden aumentar la ADR para endoscopistas más experimentados. Kamba et. al informa una tasa significativamente más baja de fallas de adenoma (AMR) para la colonoscopia asistida por CADe, en comparación con una colonoscopia convencional. Esto es independiente del nivel de experiencia del endoscopista. Otros estudios concluyen que la IA probablemente beneficiará más a los endoscopistas menos experimentados. Sin embargo, solo hay un número limitado de estudios que investigan el impacto de la IA cuando la usan endoscopistas menos experimentados.

Según un ECA reciente de Wallace et al. el uso de IA puede reducir la AMR en aproximadamente un 50 %, pero principalmente debido a una mayor detección de neoplasias planas pequeñas (<10 mm). Esta diferencia es ligeramente superior a la de un estudio anterior, en el que la reducción relativa fue de aproximadamente un 35%. Sin embargo, en este estudio no hubo diferencias significativas en los pólipos diminutos perdidos (<10 mm).

En una revisión sistemática, se demostró que el tiempo de retiro general era mayor con la colonoscopia asistida por IA (AIC), en comparación con la colonoscopia convencional (CC), pero la ADR y la PDR también fueron mayores. Naturalmente, ha habido preocupaciones sobre el tiempo prolongado de la colonoscopia y el aumento de la carga de trabajo si se implementa el sistema de IA, ya que la mayor detección de pólipos pequeños puede conducir a una polipectomía innecesaria. Sin embargo, dos ECA recientes informan que la resección innecesaria de pólipos no neoplásicos no aumentó con el uso del sistema CADe.

Los resultados hasta ahora son prometedores, lo que sugiere que AIC es superior a CC en lo que respecta a la detección de pólipos y adenomas. El uso rutinario de sistemas de detección de pólipos asistidos por computadora (CADe) podría reducir aún más la incidencia de CCR de intervalo, pero se requieren más datos clínicos de grandes ensayos aleatorios multicéntricos para comprender el impacto real de la IA en el entorno clínico diario.

Hemos diseñado un ECA multicéntrico de garantía de calidad para investigar el efecto de la asistencia de IA en tiempo real (GI Genius, Medtronic) en la tasa de detección de adenomas (ADR) en endoscopistas experimentados y menos experimentados. Queremos investigar si el sistema CADe puede reducir la variabilidad del rendimiento y aumentar significativamente el ADR.

El objetivo general de esta investigación es investigar si la asistencia de IA en la colonoscopia puede aumentar la ADR.

Este ensayo prospectivo, multicéntrico, aleatorizado y controlado (ECA) se llevará a cabo en cuatro unidades de endoscopia en la región de Zelanda, Dinamarca. Estas unidades están ubicadas en el Hospital Universitario de Zelanda (Køge), el Hospital Nykøbing Falster, el Hospital Holbæk y el Hospital Næstved. Todas las unidades excepto el Hospital Næstved están participando en el programa nacional de detección de CCR.

Evaluaremos a todos los pacientes programados para una colonoscopia de detección, diagnóstico y vigilancia. Los pacientes elegibles recibirán una colonoscopia de un endoscopista experto o no experto según la distribución normal de endoscopistas en las unidades de endoscopia.