Conoscenza di livello collinare tramite rete neurale integrata per la gastroscopia (HillKING)

Obbiettivo:

L'obiettivo principale di questo studio è confrontare l'accuratezza nel determinare la classificazione di Hill durante la gastroscopia tra un sistema basato sull'intelligenza artificiale (AI) e i medici che eseguono l'esame. I risultati secondari includono la valutazione dell'accuratezza per classe e altre misure statistiche come precisione, richiamo e punteggio f1.

Progettazione dello studio:

Studio in cieco con endoscopista monocentrico. Il modello considerato in uno studio precedente ha raggiunto una precisione media dell’88%. Tutti i partecipanti hanno inizialmente assistito ad una conferenza che serviva da aggiornamento sulla classificazione di Hill. Successivamente, ai medici è stato chiesto di fornire la classificazione di Hill per le immagini di prova, immagini annotate da esperti raffiguranti diversi gradi di Hill, ottenendo una precisione media del 72%. Pertanto sono necessarie 127 misurazioni accoppiate. Considerando l’abbandono dei pazienti, è necessario reclutare almeno 159 pazienti. Durante l'esame della valvola a cerniera durante l'endoscopia, il medico è tenuto a memorizzare un'immagine della valvola a cerniera durante la retroflessione, che fa parte della procedura standard, in base alla quale determina la classificazione di Hill. La previsione del modello AI su questa immagine è considerata l'output del modello ed è considerata l'output del modello. Un gruppo di tre endoscopisti esperti determina la classificazione Hill per ciascuna immagine, in base al voto a maggioranza, che viene considerato il gold standard.

Configurazione e limitazioni dell'IA:

Non ci sono limitazioni causate dall'intelligenza artificiale. Il metodo esegue un'analisi fotogramma per fotogramma della registrazione. Queste immagini vengono analizzate dal sistema basato sull'intelligenza artificiale per ottenere previsioni. Le uniche interazioni richieste con il metodo sono la pressione di un pulsante che avvia il processo di registrazione dell'esame e una seconda pressione del pulsante per terminare la registrazione. Questa operazione viene eseguita rispettivamente all'inizio e alla fine dell'esame. Il modello utilizzato in questo studio è una versione aggiornata del modello riportato in uno studio preliminare, che è stato addestrato con più dati insieme a un output ausiliario per prevedere se la classificazione di Hill è rilevante per l'immagine mostrata.

Popolazione dello studio:

A tutti i pazienti adulti nominati per la gastroscopia che non soddisfano i criteri di esclusione verrà chiesto il consenso informato. I criteri di esclusione includono precedenti interventi chirurgici o alterazioni anatomiche che impediscono il corretto esame della valvola a cerniera, esami in cui la valvola a cerniera non viene ispezionata ed esami in cui il comitato di esperti non produce un voto a maggioranza.

Intervento:

Il medico esegue l'esame come di consueto. Dopo l'ispezione della valvola a cerniera, il medico cattura un'immagine dell'esame, come di consueto, e fornisce la sua valutazione del grado di Hill. L'output del modello per la stessa immagine è considerato la previsione del modello. Il medico è cieco rispetto alla previsione del modello.