Kunstmatige intelligentie en kwaliteit van de darmreiniging (CALPER2)

De perceptie van de patiënt van de laatste stoelgang vóór de colonoscopie blijkt een krachtige voorspeller te zijn van de beoordeling van de darmreiniging tijdens de colonoscopie. Een grote studie met 1011 patiënten verdeeld over een derivatencohort (633 patiënten) en een validatiecohort (378 patiënten) met behulp van een set van 4 afbeeldingen die leken op darmreinigende eigenschappen toonde een matige overeenstemming met de BBPS. Daarnaast werd een goede overeenkomst gevonden wanneer de perceptie van het personeel en de patiëntperceptie van de laatste stoelgang werden vergeleken. Deze bevindingen bieden een uitstekende gelegenheid om reddingsreinigingsinterventies op dezelfde dag van het onderzoek, vóór colonoscopie, te testen.

Toepassingen van kunstmatige intelligentie hebben de afgelopen twee jaar voor een substantiële doorbraak gezorgd in verschillende disciplines, waaronder endoscopie. Machine learning en zijn meer geavanceerde vorm deep learning, verwijst naar de ontwikkeling van algoritmen (convolutionele neurale netwerken) met het vermogen om te leren en bepaalde taken uit te voeren. In de setting van endoscopie zijn computer vision-toepassingen genoemd als onderzoeksprioriteit. Op basis van al deze ervaring was het doel van deze studie het ontwerpen en valideren van een convolutioneel neuraal netwerk dat automatisch de kwaliteit van de reiniging van de patiënt thuis kan voorspellen na inname van de darmreinigingsoplossing en vóór het bijwonen van de colonoscopie. Het andere doel was om in een cohort van patiënten prospectief de overeenkomst te beoordelen tussen het resultaat van de laatste kwaliteit van het rectale effluent, beoordeeld door het convolutionele neurale netwerk, en de reinigingskwaliteit, beoordeeld tijdens de colonoscopie, beoordeeld door een gevalideerde schaal (Boston Bowel Preparation Scale, BBPS). Deze studie is genest in een observationele prospectieve studie die tussen februari 2021 en mei 2021 is uitgevoerd op de Open Access Endoscopie-eenheid van het Hospital Universitario de Canarias (NCT04702646). Aan dit onderzoek namen in totaal 633 achtereenvolgende poliklinische patiënten met een ingeplande coloscopie deel (totaal 266 patiënten (42%) stuurden minimaal één foto). Na dit onderzoek werd aan patiënten bij wie een poliklinische colonoscopie was aangevraagd, gevraagd om foto's te verstrekken van hun ontlasting tijdens de inname van de darmvoorbereiding. Een subgroep van deze beelden zal door het personeel van onze eenheid worden ingedeeld in adequaat en ontoereikend en zal worden gebruikt om het convolutionele neurale netwerk te trainen. Een andere set afbeeldingen zal worden gebruikt om het convolutionele neurale netwerk te valideren. Bovendien zullen de onderzoekers het convolutionele neurale netwerk in vivo valideren door de classificatie van de effluentkwaliteit te vergelijken met een gevalideerde colonreinigingsschaal tijdens de colonoscopie.