Kunstig intelligens og tarmrensende kvalitet (CALPER2)

Pasientens oppfatning av den siste avføringen før koloskopien har blitt vist en kraftig prediktor for tarmrensing vurdert under koloskopi. En stor studie som involverte 1011 pasienter fordelt på en avledningskohort (633 pasienter) og en valideringskohort (378 pasienter) ved bruk av et sett med 4 bilder som lignet tarmrensende kvaliteter, viste en moderat samsvar med BBPS. I tillegg ble det funnet en god overensstemmelse når personalets oppfatning og pasientoppfatning av siste avføring ble sammenlignet. Disse funnene gir en utmerket mulighet til å teste redningsrenseinngrep samme dag som undersøkelsen, før koloskopi.

I løpet av de siste to årene har anvendelser av kunstig intelligens gitt et betydelig gjennombrudd innen flere fagområder, inkludert endoskopi. Maskinlæring og dens mer avanserte form dyplæring, refererer til utviklingen av algoritmer (konvolusjonelle nevrale nettverk) med evnen til å lære og utføre visse oppgaver. I endoskopi-innstillingen har datasynsapplikasjoner blitt angitt som forskningsprioritert felt. Basert på all denne erfaringen, var målet med denne studien å designe og validere et konvolusjonelt nevralt nettverk som er i stand til automatisk å forutsi kvaliteten på pasientens rensing hjemme etter inntak av tarmrenseløsningen og før koloskopi. Det andre målet var å prospektivt vurdere i en kohort av pasienter samsvaret mellom resultatet av den siste rektale effluentkvaliteten vurdert av det konvolusjonelle nevrale nettverket og rensekvaliteten vurdert under koloskopien vurdert ved en validert skala (Boston Bowel Preparation Scale, BBPS) Denne studien er nestet i en observasjonsprospektiv studie utført ved Open Access Endoscopy Unit ved Hospital Universitario de Canarias mellom februar 2021 og mai 2021 (NCT04702646). Totalt 633 påfølgende polikliniske pasienter med planlagt koloskopi deltok i denne studien (totalt 266 pasienter (42%) sendte minst ett bilde). Etter denne studien ble pasienter som ble bedt om en poliklinisk koloskopi, bedt om å gi bilder av deres avløp under tarmforberedelse. En undergruppe av disse bildene vil klassifiseres av personen i enheten vår i tilstrekkelig og utilstrekkelig og vil bli brukt til å trene det konvolusjonelle nevrale nettverket. Et annet sett med bilder vil bli brukt til å validere det konvolusjonelle nevrale nettverket. I tillegg vil etterforskerne validere det konvolusjonelle nevrale nettverket in vivo ved å sammenligne klassifiseringen av avløpskvaliteten med en validert kolonrenseskala under koloskopien.