Connaissances de haut niveau via un réseau neuronal intégré pour la gastroscopie (HillKING)

Objectif:

L'objectif principal de cette étude est de comparer l'exactitude de la détermination de la classification Hill lors de la gastroscopie entre un système basé sur l'intelligence artificielle (IA) et les médecins effectuant l'examen. Les résultats secondaires comprennent l'évaluation de la précision par classe et d'autres mesures statistiques telles que la précision, le rappel et le score f1.

Étudier le design:

Étude monocentrique en aveugle par endoscopiste. Le modèle considéré dans une étude précédente a atteint une précision moyenne de 88 %. Tous les participants ont d'abord assisté à une conférence servant de remise à niveau concernant la classification Hill. Par la suite, il a été demandé aux médecins de fournir la classification Hill pour les images de test annotées par des experts représentant différents grades de Hill, atteignant une précision moyenne de 72 %. Ainsi, 127 mesures appariées sont nécessaires. Compte tenu de l'abandon des patients, au moins 159 patients doivent être recrutés. Lors de l'examen du clapet pendant l'endoscopie, le médecin doit stocker une image du clapet pendant la rétroflexion, ce qui fait partie de la procédure standard, sur la base de laquelle il détermine la classification de Hill. La prédiction du modèle d'IA sur cette image est considérée comme la sortie du modèle et est considérée comme la sortie du modèle. Un groupe de trois endoscopistes experts détermine la classification Hill pour chaque image, sur la base d'un vote majoritaire, qui est considéré comme l'étalon-or.

Configuration et limites de l'IA :

Il n'y a aucune limitation causée par l'IA. Le procédé effectue une analyse image par image de l'enregistrement. Ces images sont analysées à partir du système basé sur l'IA afin d'obtenir des prédictions. Les seules interactions requises avec la méthode sont une pression sur un bouton qui lance le processus d’enregistrement de l’examen et une deuxième pression sur un bouton pour mettre fin à l’enregistrement. Ceci est effectué respectivement au début et à la fin de l’examen. Le modèle utilisé dans cette étude est une version mise à jour du modèle rapporté dans une étude préliminaire, qui a été formé avec davantage de données ainsi qu'une sortie auxiliaire permettant de prédire si la classification Hill est pertinente pour l'image présentée.

Population étudiée :

Tous les patients adultes nommés pour une gastroscopie qui ne correspondent pas aux critères d'exclusion se verront demander leur consentement éclairé. Les critères d'exclusion incluent les interventions chirurgicales antérieures ou une altération de l'anatomie qui empêche le bon examen du clapet à clapet, les examens où le clapet n'est pas inspecté et les examens pour lesquels le comité d'experts ne produit pas de vote majoritaire.

Intervention:

Le médecin procède à l'examen comme d'habitude. Lors de l'inspection du clapet à clapet, le médecin capture une image de l'examen, comme d'habitude, et donne son évaluation du grade de Hill. La sortie du modèle pour la même image est considérée comme la prédiction du modèle. Le médecin ne voit pas la prédiction du modèle.