GastroBot: 배변 준비에 인공지능을 적용하다

배경 대장암(CRC)은 세 번째로 흔한 종양이자 가장 흔한 위장관 종양이며 암 관련 사망의 두 번째 원인입니다. (1) 사례의 80-90% 이상에서 CRC는 선조 병변, 선종 폴립 또는 선종을 가지며 천천히 CRC로 진행합니다. 대장 내시경 검사는 초기 형태를 발견하고 치료할 수 있기 때문에 예방의 황금 표준으로 간주됩니다. (2) 이를 고려하면 맹장 삽관 속도, 철수 시간, 선종/폴립 검출률(ADR)과 같은 몇 가지 대장내시경 품질 지표가 설명되었으며, 마지막으로 CRC 위험과 관련된 가장 중요한 지표입니다. (삼)

따라서 CRC 발생률을 줄이기 위해서는 ADR 개선에 집중해야 합니다. 이러한 목적을 위해 내시경 의사의 교육 및 훈련 개선, 분할 투여 장 준비, 철수 시간 >9분 및 우측 결장 초 보기, 고화질 백색광 내시경 사용, Endocuff 비전, G-EYE 범위 또는 인공 지능. (2, 4) 그러나 이러한 모든 기술은 장 점막의 최적 시각화에 대한 필요성을 공통적으로 갖고 있으며 이 사실은 장 세척에 달려 있습니다. (3,4)

문제 대장내시경 검사의 약 20%가 부적절한 준비를 하고 있는 것으로 추정됩니다. (5) 이것은 절차가 길고 선종의 발견이 적고 검진 간격이 줄어들고 합병증의 비용과 위험이 증가합니다. 이것은 의료-법적 갈등으로 환자와 의사에게 좌절감을 안겨줍니다. (6) 이상적인 세척 방법은 안전하고 내약성이 우수하며 효과적이어야 하지만 현재 선택 사항 중 어느 것도 이러한 특성을 충족하지 못합니다. 부적절한 세척의 주요 원인(사례의 80%)은 준비 지침을 적절하게 따르지 않고 대부분 구강 용액에 대한 편협함 때문입니다. (7,8)

장 준비의 질을 향상시키기 위한 몇 가지 전략이 제안되었습니다. 다른 분야와 마찬가지로 모바일 헬스케어 앱을 개발하여 장정리제 순응도를 높이고 장정리의 질을 향상시켰습니다. 그러나 모바일 헬스케어 앱에 대한 준수도 품질 기준이며 이 새로운 기술로 해결해야 할 현안 문제입니다. 또한 여느 모바일 앱과 마찬가지로 모바일 헬스케어 앱도 특정 기기와 호환되어야 합니다. GastroBot은 소프트웨어 봇을 통해 환자의 장 세척에 대한 개인화된 후속 조치를 수행할 수 있도록 하는 인공 지능 기반의 새로운 기술로, 다른 상황에서 발생할 수 있는 준비 과정에서 발생하는 우발 상황을 극복하도록 환자에게 조언합니다. 그것의 실패.

목표 이 연구의 주요 목표는 전통적인 설명과 비교하여 GastroBot 지원 후 배변 준비의 개선을 결정하는 것입니다. 2차 목적으로 이 연구는 또한 선종 및 폴립 검출률(각각 ADR 및 PDR), 장 준비 제제의 내성 및 GastroBot 기능을 결정하기 위해 추구합니다.

재료 및 방법

연구 설계 연구 유형. 다음은 단면 단순 맹검 및 단일 센터 통제 무작위 시험입니다. GastroBot을 이용한 배변 준비(GB-그룹) 및 기존 보조 배변(C-그룹) 그룹의 두 그룹이 설정됩니다.

환경. Instituto de Gastroenterología y Endoscopía de Avanzada (IGEA), Hospital de la Asociación Médica (HAM) "Dr. Felipe Glasman", 아르헨티나 부에노스아이레스 주 바이아 블랑카. 연구 프로토콜 및 동의서는 IRB(Institutional Review Board)의 승인을 받았으며 헬싱키 선언에 따라 수행됩니다. 환자는 정보에 입각한 동의서에 서명합니다.

개입 임상 코디네이터가 환자의 무작위화를 담당합니다. 두 연구 그룹의 환자는 3회 세그먼트(오전 8-11시, 오후 11-2시, 오후 2-4시)에 따라 섭취 시간을 설정하여 분할 용량으로 동일한 유형의 폴리에틸렌 글리콜 제제를 받게 됩니다. C-그룹은 사전에 개별화된 조언 없이 서면으로 지침을 받게 됩니다. GB 그룹은 WhatsApp 애플리케이션을 통해 지침을 받고, 결과에 따라 여러 개인화된 대체 지침이 포함된 소프트웨어 봇의 안내를 받습니다. 내시경 의사는 환자의 연구 그룹에 대해 눈가림된 1차 및 2차 종점을 평가하여 내시경 검사를 수행합니다.

표본 크기 앱 그룹(7.7%) 대 대조군(16.9%) 중 불충분한 BBPS(<6) 비율 고려 Walter B et al(2021)에 의해 설명된 바와 같이, 우리는 80%의 통계적 검정력으로 GB 그룹과 C 그룹 간의 BBPS에 대한 양면 차이를 결정하기 위해 연구 그룹당 194건의 샘플 크기를 계산했습니다.

통계 분석 범주형 변수는 Chi-square o Fisher Test를 사용하고 연속 변수는 Mann-Whitney Test를 사용하여 케이스와 컨트롤 그룹 간의 기준선 특성을 비교합니다. 0.05 미만의 P 값은 통계적으로 유의한 것으로 간주됩니다. 모든 통계 분석은 통계 프로그램 R(R Foundation for Statistical Computing, Vienna, Austria)의 최신 버전을 사용하여 수행됩니다.

제한 사항 프로토콜은 한 센터에서만 6명의 내시경 기사에 의해 수행됩니다. 간단한 맹검 연구입니다. 환자는 장 준비 품질을 향상시키기 위해 새로운 도구를 사용하고 있는지 여부를 알 수 있습니다.