Sahalaitaisten adenoomien ja neoplastisten polyyppien tietokoneavusteinen havaitseminen ja valinta – uusi kliininen luonnos (CASSANDRA II)

Adenoomat ovat paksusuolen polyyppejä, jotka voivat kehittyä paksusuolen syöpään [1]. Jotkut adenoomat eivät kuitenkaan koskaan muutu pahanlaatuisiksi, ja jos ne muuttuvat, eteneminen adenoomasta syöpään kestää yleensä kauan. Tämän seurauksena perustettiin seulontakolonoskopiaohjelmia adenoomien havaitsemiseksi ja poistamiseksi varhaisessa vaiheessa [2]. Resektion jälkeen polyypit tulee lähettää patologiaan histologisen diagnoosin tekemiseksi. Kaikilla kolorektaalisilla polyypeilla ei ole adenomatoottista histologiaa. Noin 40-50 % kaikista polyypeistä sisältää muuta hyvänlaatuista histologiaa (esim. hyperplastiset polyypit). Nämä polyypit eivät sisällä paksusuolensyövän riskiä.

Seulontaohjelmien toteuttaminen on johtanut kolonoskopioiden määrän kasvuun viime vuosina [3]. Tämä lähestymistapa edellyttää luonnollisesti suurempia määriä havaittuja polyyppeja. Näiden polyyppien poistaminen ja patologin konsultointi diagnoosin tekemiseksi on aikaa vievää ja kallista. Optisesti perustuva polyyppihistologian ennuste (adenomaattinen vs. ei-adenomatoottinen) antaisi endoskooppilääkärille mahdollisuuden säästää rahaa ja tiedottaa potilaille nopeammin tutkimustuloksista. Lähestymistapaa polyyppihistologian ennustamiseksi optisten ominaisuuksien perusteella kutsutaan "optiseksi biopsia" -menetelmäksi. Endoskopistit tekevät ennusteen reaaliaikaisen kolonoskopian aikana. Tämän strategian tavoitteena on tehdä optinen diagnoosi, jonka avulla käyttäjät voivat resektoida polyypit lähettämättä näytettä patologiaan. Narrow Band Imaging (NBI) on valosuodatinlaite, joka voidaan kytkeä päälle kolonoskopian aikana. NBI on hyödyllinen paksusuolen limakalvon vaskulaaristen kuvioiden näyttämiseksi paremmin. On osoitettu, että NBI:n käyttö voi helpottaa kolorektaalisten polyyppien optista luokittelua [5]. On olemassa NBI-pohjaisia ​​luokittelujärjestelmiä, joita voidaan käyttää polyyppien jakamiseen tiettyihin polyyppiluokkiin (adenomaattinen vs. ei-adenomatoottinen) [6].

Ennen optisen luokittelun käyttöönottoa endoskopiassa rutiininomaiseen käyttöön on tarpeen todistaa sen toteutettavuus ja tarkkuus [7]. Muutoin lähestymistapaan liittyisi väärien diagnoosien riski, mikä voisi johtaa vääriin suosituksiin diagnostisten tai terapeuttisten lisävaiheiden osalta.

Tähän asti jotkin kliiniset tutkimukset ovat osoittaneet optisen biopsiamenetelmän hyvän tarkkuuden [5]. On kuitenkin yhä enemmän todisteita siitä, että optinen biopsia ei vielä täytä vaadittuja tarkkuuskynnyksiä [8]. Tutkimuksemme tavoitteena on luoda tietokoneohjelma, joka pystyy erottamaan adenoomat, sahalaitaiset adenoomat ja hyperplastiset polyypit. Kolorektaalisten polyyppien videosekvenssejä käytetään koneoppimiseen (validointivaihe). Sen jälkeen 100 videon sarjalla testataan, pystyykö tietokoneohjelma erottamaan adenomatoottiset ja ei-adenomatoottiset polyypit (ensisijainen päätepiste). Tilastolliset mittarit (tarkkuus, herkkyys, spesifisyys) lasketaan. 100 videota esitellään myös ihmisasiantuntijoille, jotka myös ennustavat polyyppidiagnooseja optisten ominaisuuksien perusteella. Tutkimuksen toinen päätepiste on tietokoneen ja ihmisasiantuntijoiden tekemien optisten ennusteiden tarkkuuden vertailu.