Påvisning av kolonpolypper via et storskala kunstig intelligens (AI)-system

Koloskopi er gullstandarden for påvisning og fjerning av precancerøse lesjoner, og har vist seg å redusere dødeligheten. Imidlertid er misfrekvensen for polypper under koloskopier 22-28 %, mens 20-24 % av de savnede lesjonene er histologisk bekreftede precancerøse adenomer. For å løse denne mangelen, foreslår etterforskerne et nytt polyppdeteksjonssystem basert på dyp læring, som kan varsle operatøren i sanntid om tilstedeværelsen og plasseringen av polypper under en koloskopi. Etterforskerne døper systemet DEEP: (DEEP) DEtection of Elusive Polyps. DEEP-systemet ble trent på 3611 timer med koloskopivideoer hentet fra to kilder, og ble validert på et sett bestående av 1393 timer med video, fra en tredje, ikke-relatert kilde. For valideringssettet ble grunnsannhetsmerkingen gitt av offline gastroenterologannotatorer, som var i stand til å se videoen i sakte film og pause/spol tilbake etter behov; to eller tre spesialistkommentarer undersøkte hver video.

Dette er en prospektiv, ikke-blind, ikke-randomisert pilotstudie av pasienter som gjennomgår elektiv screening og overvåking av koloskopier ved hjelp av DEEP.

Målet med studien er å:

Vurder:

1. Antall ekstra polypper oppdaget av DEEP-systemet i sanntidskoloskopi.
2. Sikkerhet ved prospektiv vurdering av frekvensen av uønskede hendelser i løpet av studieperioden tilskrevet eller ikke til bruk av DEEP-systemet.
3. Stabilitet av DEEP-systemet ved å måle frekvensen av falske positiver (falske alarmer) per koloskopier 4 Og for å undersøke dets gjennomførbarhet og nytte i klinisk praksis ved å vurdere koloskopistens brukeropplevelse mens DEEP-systemet brukes i en 5-punkts skala.