Inteligencia artificial para implementar estrategias de ahorro de costos para la detección de colonoscopia basadas en la predicción in vivo de la histología de pólipos (SAVE)

Este ensayo multicéntrico, aleatorizado y de tres brazos paralelos tiene como objetivo investigar el valor de la biopsia óptica asistida por IA para diferenciar entre pólipos neoplásicos y no neoplásicos, lo que conducirá a la implementación de estrategias de ahorro de costos en los programas de detección. Se llevarán a cabo análisis de rentabilidad con el uso de análisis modernos de emulación de ensayos de grandes conjuntos de datos de ensayos clínicos y observacionales y datos de costos reales. Para mejorar el tratamiento personalizado con una nueva herramienta de predicción de riesgos CADx de colonoscopia, los investigadores incluso desarrollarán un nuevo algoritmo de aprendizaje profundo para la biopsia óptica de la vía alternativa de la carcinogénesis del cáncer colorrectal, a saber, la vía dentada y desarrollará modelos de rentabilidad de IA- biopsia óptica asistida en la detección del cáncer colorrectal que proporciona información confiable para identificar el riesgo de cáncer independientemente de la habilidad de los médicos.