Kunstmatige intelligentie voor het achterlaten van colorectale poliepen in situ.

Real-time karakterisering van verkleinwoord (≤5 mm) poliepen in de dikke darm door middel van virtueel blauw licht (d.w.z. Narrow Banding Imaging [NBI], Blue Light Imaging [BLI], enz.) is geïdentificeerd als een belangrijk doel voor nieuwe endoscopische geavanceerde beeldvormingstechnieken. De real-time voorspelling van de histologie van poliepen, met name die in het rectosigmoïd, is klinisch relevant, aangezien kleine poliepen de meerderheid van de poliepen vertegenwoordigen die tijdens colonoscopie worden gedetecteerd en een zeer laag risico hebben op vergevorderde histologie (0,3%) en een verwaarloosbaar risico op invasief carcinoom (0%-0,08%).

Dus, zoals aanbevolen door de huidige richtlijnen, zou een optische diagnose het mogelijk maken kleine poliepen te verwijderen en te verwijderen zonder pathologische beoordeling (d.w.z. resect-and-discard-strategie) of ter plaatse gelaten zonder resectie in het geval van kleine rectosigmoïde hyperplastische poliepen (d.w.z. leave-in-situ-strategie), met een enorm kostenbesparingspotentieel. Bovendien is het huidige beleid voor het behandelen van dergelijke hyperplastisch ogende poliepen slecht gedefinieerd en variabel van endoscopist tot endoscopist. De European Society of Gastrointestinal Endoscopie (ESGE) beveelt bijvoorbeeld aan om met veel vertrouwen alleen minuscule poliepen die als hyperplastisch worden gekenmerkt, in situ te laten. Het is momenteel echter niet bekend hoeveel endoscopisten daadwerkelijk overstappen op de geavanceerde blauwlichtbeeldvorming (indien beschikbaar) die nodig is voor een betrouwbare diagnose bij het beoordelen van ≤5 mm hyperplastisch ogende laesies. Wat nog belangrijker is, is dat de Leave-in-situ-strategie, slecht gedefinieerd in een pre-AI-tijdperk, nooit klinisch is gevalideerd, waardoor er onzekerheid bestaat over de schatting van de mogelijke fout-negatieven die worden gegenereerd door een onnauwkeurige diagnose6.

De beschikbaarheid van Computer-Aided-Diagnosis (CADx) tools, die endoscopisten kunnen helpen om neoplastische van niet-neoplastische poliepen te onderscheiden, waardoor het karakteriseringsproces sneller en objectiever wordt, zou zeer wenselijk en boeiend zijn.

Een nieuw systeem voor CADx tijdens endoscopie met wit licht is ontwikkeld en geïntegreerd naast een eerder beschikbare Computer-Aided-Detection (CADe) tool (GI-Genius, Medtronic), waardoor real-time karakterisering eenvoudig wordt na poliepdetectie, en is onlangs gevalideerd in een real-time klinische studie, die laat zien hoe dit systeem de criteria van de American Society of Gastrointestinal Endoscopie (ASGE) overtreft voor klinische toepassing van kostenbesparende strategieën (d.w.z. in situ laten en uitsnijden en weggooien), en evenaart de prestaties van deskundige endoscopisten in optische diagnose. Dit was echter een eerste studie, monocentrisch en zonder randomisatie, met een kleine, zij het voldoende krachtige, steekproefomvang. Er is dus dringend behoefte aan grotere onderzoeken om de mogelijke implementatie van CADx in de klinische praktijk te versnellen.

Het doel van deze studie is om de nieuwe CADx-tool klinisch te valideren voor de implementatie van een leave-in-situ-strategie in een multicenter, gerandomiseerde gecontroleerde studie.