Ontwikkeling van een computerondersteunde beslissingsondersteuning voor polypectomie

Dit onderzoeksproject heeft tot doel CADp te ontwikkelen, een computergebaseerde beslissingsondersteunende (CDS) oplossing voor het verwijderen van colorectale poliepen van 1-20 mm. De onderzoekers zullen een video- en beelddataset van poliepectomieprocedures gebruiken om het CADp-model te trainen; het kan dus real-time overlay-videofeedback bieden voor poliepectomieprocedures op basis van vijf specifieke statistieken: 1) schatting van de poliepgrootte; 2) voorspelling van morfologie en histologie; 3) suggestie van een geschikt resectieaccessoire en technische benadering op basis van de kenmerken, grootte en histologie van de poliep volgens de huidige richtlijnen; 4) beeldoverlay, gebaseerd op semantische beeldsegmentatietechnologie, die de omvang van de laesie toont en de suggestie van een geschikte contour van de resectiemarge rond de poliep om de volledige verwijdering ervan te verzekeren; 5) analyse na resectie om achtergebleven poliepweefsel of onvoldoende resectiemarge te identificeren die dit risico kunnen vergroten.

De onderzoekers zullen een reeks afbeeldingen en videogegevens verzamelen van live polypectomieprocedures om recente ontwikkelingen in AI-technologie te benutten om deep learning-modellen te trainen. Deze dataset zal prospectief worden verkregen uit een cohort van volwassenen (leeftijd 45-80) die screening-, diagnostische of surveillance-coloscopieën ondergaan. Om de CADp-oplossing te trainen, zullen de onderzoekers de overeenkomstige volledigheid van de resectiestatus verkrijgen met behulp van de opbrengst van biopten van de marge na de resectie. De dataset wordt verdeeld in twee groepen, respectievelijk de training en de CADp-test.