Parantaako tekoälyavusteinen kolonoskopia adenooman havaitsemista seulontakolonoskopiassa?

On olemassa useita tutkimuksia, jotka osoittavat, että AI-avusteinen kolonoskopia voi auttaa tunnistamaan ja karakterisoimaan kolonoskopiassa löydetyt polyypit.

• Byrne ym. osoittivat, että heidän tekoälymallinsa kolorektaalisten polyyppien endoskooppisten videokuvien reaaliaikaiseen arviointiin voi erottaa hyperplastiset deminutiiviset polyypit ja adenomatoottiset polyypit, joiden herkkyys on 98 % ja spesifisyys 83 % (Byrne et al. GUT 2019)
• Urban ym. suunnitteli ja koulutti syvät CNN:t havaitsemaan polyypit arkistoidussa videossa ROC-käyrällä 0,991 ja tarkkuudella 96,4 %. Tunnistettujen polyyppien kokonaismäärä on huomattavasti suurempi, mutta pääasiassa pienissä (1-3 mm ja 4-6 mm polyypeissä) (Urban et al. Gastroenteroli 2018)
• Wang ym. suorittivat avoimen, ei-sokkoutetun tutkimuksen peräkkäisillä potilailla (n=1058), jotka satunnaistettiin prospektiivisesti diagnostiseen kolonoskopiaan tekoälyn avulla tai ilman sitä. He havaitsivat, että tekoälyjärjestelmä lisäsi ADR:tä 20,3 prosentista 29,1 prosenttiin ja adenoomien keskimääräistä lukumäärää potilasta kohti 0,31:stä 0,53:een. Tämä johtui suuremmasta määrästä deminutiivisia polyyppeja, kun taas suuremmassa adenoomassa ei ollut tilastollista eroa. (Wang et ai. GUT 2019). Tässä tutkimuksessa he sulkivat pois potilaat, joilla oli IBD, CRC ja paksusuolen leikkaus. Potilaat toimitettiin oireiden vuoksi sairaalaan tutkittavaksi.

Toistaiseksi puuttuu laajamittainen satunnaistettu kontrolloitu tutkimus, jossa käytetään tekoälyapua polyyppien/adenooman havaitsemiseen seulontapopulaatiossa. Ulosteen piilevän veren testin (FIT tai FOBT) korrelaatiota AI-avusteisen kolonoskopian hyödyn kanssa ei ole tutkittu. Myöskään AI-avusteisen kolonoskopian hyödyistä kokeneelle kolonoskopialle ei ole tietoa harjoittelijoihin/asuviin verrattuna.