小型大腸ポリープ認識のための畳み込みニューラル ネットワークの診断性能 (POLAR)

理論的根拠: 小さい大腸ポリープ (サイズが 1 ～ 5 mm) は、有病率が高く、がんのリスクが非常に低い. 現在の慣行は、病理学者による組織病理学的評価のためにこれらすべてのポリープを送ることです。 内視鏡検査医が大腸内視鏡検査中にこれらの小さなポリープの組織像を正確に予測できれば、組織病理学的検査を省略でき、診療の時間とコスト効率が向上する可能性があります。 研究によると、内視鏡医による組織学の予測は、訓練と経験に依存したままであり、体系的な訓練を受けた後でも、内視鏡医によって大きく異なることが示されています。 畳み込みニューラル ネットワーク (CNN) に基づくコンピューター支援診断 (CAD) は、小さなポリープの鑑別において内視鏡医を容易にする可能性があります。 最新の研究では、CAD-CNN の診断性能を、リアルタイム結腸内視鏡検査中に光学診断を行う内視鏡医のグループと比較した研究が不足しています。

目的: 大腸内視鏡検査中に小さなポリープを高精度で区別できる CAD-CNN システムを開発し、このシステムの性能を組織病理学をゴールド スタンダードとして光学診断を行う内視鏡医のグループと比較する。

研究デザイン：多施設、前向き、観察試験。 研究対象：スクリーニング大腸内視鏡検査（フェーズ2）を連続して受けた患者

主な研究パラメーター/エンドポイント: CAD-CNN システムによる小さな大腸ポリープ (1 ～ 5 mm) の光学的診断の精度と内視鏡医の精度の比較。 ゴールド スタンダードとして組織病理学が使用されます。