Precisión del sistema asistido por computadora (CADx) en la caracterización en tiempo real de enfermedades ulcerativas colorrectales

En la primera fase retrospectiva del estudio, nuestro objetivo principal es desarrollar y validar un sistema CADx. Las fotografías y videos endoscópicos se recuperarán de la base de datos existente en los centros de estudio (Hospital Nanfang). Para cada úlcera colorrectal, se capturarán diferentes vistas endoscópicas. Se recopilarán datos demográficos iniciales relevantes, informes de laboratorio, informes de imágenes, informes de endoscopia y resultados histopatológicos para su análisis. Se registrará la ubicación, tamaño y morfología de cada lesión colónica. El diagnóstico de todas las enfermedades ulcerosas colorrectales fue evaluado exhaustivamente por patólogos y gastroenterólogos independientes. En nuestro estudio, nos centraremos en los siguientes subtipos de lesiones ulcerativas colorrectales:

1) cáncer colorrectal (CA); 2) enfermedad de Crohn (EC); 3) colitis ulcerosa (CU); 4) tuberculosis intestinal (ITB); 5) colitis isquémica (CI).

Todos los datos serán anonimizados antes del procesamiento central para garantizar la confidencialidad. Se utilizará un número de serie específico del proyecto para representar cada tema individual. Todos los datos clínicos y las imágenes endoscópicas no identificadas se mantendrán confidenciales y no se compartirán con ningún tercero.

Se desarrollará una cohorte de capacitación a partir de la mayoría de los casos incluidos, seguida de una cohorte de validación con los casos restantes. Las imágenes y videos endoscópicos se prepararán para entrenar la red neuronal intrincada y la red neuronal recurrente seleccionando regiones de interés (ROI) apropiadas. Se recopilarán múltiples ROI dentro de la misma enfermedad ulcerosa colorrectal para reducir el sesgo de selección. La anotación y validación de las imágenes endoscópicas estará a cargo del equipo de investigación. Las imágenes se segmentarán aún más en mosaicos del mismo tamaño para su posterior procesamiento. Se aplicarán algoritmos de aprendizaje profundo para aprender y extraer características de los datos de imágenes y videos. Desarrollaremos la red convolucional recurrente para aprovechar la información complementaria de las características visuales y temporales extraídas del video. Los datos de validación también se crean bajo el mismo principio que permite la validación cruzada para la precisión del modelo.

En la segunda fase prospectiva del estudio, nuestro objetivo es comparar la precisión diagnóstica entre el sistema CADx, endoscopistas expertos y endoscopistas jóvenes. Se recopilará prospectivamente un conjunto de imágenes y vídeos de prueba de otros sujetos, según los criterios de elegibilidad anteriores, seguido de una asignación aleatoria de una secuencia generada por computadora.

Dos endoscopistas expertos (con más de 5 años de experiencia en colonoscopia y un número total de procedimientos superior a 1.000) y dos endoscopistas junior (con menos de 3 años de experiencia en colonoscopia y un número total de procedimientos inferior a 500), quienes son cegados al resultado del diagnóstico final, se les invitará a clasificar las imágenes y videos del conjunto de prueba de acuerdo con los subtipos predefinidos. Todos los endoscopistas evaluarán los datos del conjunto de pruebas de forma independiente en tiempo real. Por otro lado, el sistema CADx escaneará las imágenes y vídeos del conjunto de prueba de forma independiente. Se registrará la predicción de los subtipos de úlcera. El informe de diagnóstico formal después de la evaluación por patólogos y gastroenterólogos independientes se considerará la verdad fundamental.