Adenomadeteksjonsfrekvens ved kunstig intelligens-assistert koloskopi

Kolorektal kreft (CRC) er den tredje vanligste kreftformen, og den nest vanligste årsaken til kreftrelatert død på verdensbasis. CRC-screening brukes til påvisning og fjerning av precancerøse lesjoner før de utvikler seg til kreft. Koloskopi anses å være overlegen andre screeningtester, og brukes derfor som den gyldne standard.

Screeningkoloskopi er assosiert med redusert risiko for CRC-relatert død. Siden det ikke er mulig for en endoskopist å fastslå polyppens histopatologi med sikkerhet under en koloskopi, bør påviste pre-maligne lesjoner fjernes og sendes til histologisk undersøkelse. Flere studier har vist at det er en sterk sammenheng mellom funn ved baseline screening koloskopi og hyppigheten av alvorlige lesjoner ved oppfølgingskoloskopi. Risikofaktorer for adenom, avansert adenom og kreft ved oppfølging av koloskopi er multiplisitet, størrelse, villøsitet og høy grad av dysplasi av adenomene ved baseline screening koloskopi.

Adenomadeteksjonsraten (ADR) er prosentandelen av undersøkelser utført av én endoskopist, der ett eller flere adenomer er funnet. Dette er allment akseptert som den viktigste kvalitetsindikatoren for hver endoskopist og koloskopi. Det er sterke bevis for at bivirkningen er omvendt korrelert med forekomsten av intervall CRC. Med hver 1,0 % økning i ADR er det en 3,0 % reduksjon i risikoen for å utvikle CRC. Dessverre savnes adenomer og avanserte adenomer ofte, og bivirkningen varierer mye mellom forskjellige endoskopister. Dessuten endres kvaliteten utover dagen. Både tilbaketrekningstiden og bivirkningen reduseres ved slutten av dagen, omtrent med henholdsvis 20 % og 7 %. Små forbedringer i koloskopikvaliteten kan ha stor betydning for utfallet ved screening for CRC.

Kunstig intelligens (AI) kan redusere ytelsesvariasjonen ved å fungere som et par ekstra virtuelle øyne, og kompensere for perseptuelle feil på grunn av tretthet, distraksjon og unøyaktig menneskelig syn. I løpet av de siste årene har det blitt publisert flere randomiserte kontrollerte studier (RCT) som undersøker effekten av datastøttet deteksjon i sanntid. Blant disse har alle RCT-er som har ADR som primært resultat, vist at bruk av AI bidrar til en betydelig høyere ADR, sammenlignet med koloskopier uten assistanse fra et AI-system.

Repici et al. har vist at erfaring fra endoskopisten bare spiller en mindre rolle som en avgjørende faktor. Tilsvarende viser resultater fra en tidligere studie av Liu et al. indikerer at CADe-systemer ikke bare er nyttige for endoskopister med lav deteksjonsrate, men kan også øke ADR for mer erfarne endoskopister. Kamba et. al rapporterer en signifikant lavere adenommissrate (AMR) for CADe-assistert koloskopi, sammenlignet med en konvensjonell koloskopi. Dette er uavhengig av endoskopistens kompetansenivå. Andre studier konkluderer med at AI sannsynligvis vil komme de mindre erfarne endoskopistene mer til gode. Imidlertid er det bare et begrenset antall studier som undersøker virkningen av AI når det brukes av mindre erfarne endoskopister.

I følge en fersk RCT fra Wallace et al. bruk av AI kan redusere AMR med ca. 50 %, men først og fremst på grunn av økt påvisning av liten (<10 mm) flat neoplasi. Denne forskjellen er litt høyere enn i en tidligere studie, der den relative reduksjonen var ca. 35 %. I denne studien var det imidlertid ingen signifikant forskjell i savnede diminutive polypper (<10 mm).

I en systematisk oversikt ble den totale abstinenstiden vist å være høyere med AI-assistert koloskopi (AIC), sammenlignet med konvensjonell koloskopi (CC), men ADR og PDR var også høyere. Naturligvis har det vært bekymringer om forlenget koloskopitid og økt arbeidsbelastning ved implementering av AI-systemet, siden økt påvisning av små polypper kan føre til unødvendig polypektomi. Imidlertid rapporterte to nylige RCT-rapporter at unødvendig reseksjon av ikke-neoplastiske polypper ikke økte ved bruk av CADe-systemet.

Resultatene så langt er lovende, noe som tyder på at AIC er overlegen CC når det gjelder polypp- og adenomdeteksjon. Rutinemessig bruk av datastøttet polyppdeteksjon (CADe)-systemer kan ytterligere redusere forekomsten av intervall-CRC, men det kreves mer kliniske data fra store randomiserte multisenterstudier for å forstå den faktiske virkningen av AI i den daglige kliniske settingen.

Vi har designet en kvalitetssikring multisenter RCT for å undersøke effekten av sanntids AI-assistanse (GI Genius, Medtronic) på adenomdeteksjonsfrekvens (ADR) hos både erfarne og mindre erfarne endoskopister. Vi ønsker å undersøke om CADe-systemet kan redusere ytelsesvariabiliteten og øke ADRen betydelig.

Det overordnede målet med denne forskningen er å undersøke om AI-hjelp ved koloskopi kan øke ADR.

Denne prospektive, multisenter, randomiserte kontrollerte studien (RCT) vil finne sted ved fire endoskopienheter i Region Sjælland, Danmark. Disse enhetene er lokalisert ved Sjælland universitetssykehus (Køge), Nykøbing Falster sykehus, Holbæk sykehus og Næstved sykehus. Alle enheter unntatt Næstved sykehus deltar i det nasjonale CRC-screeningprogrammet.

Vi vil screene alle pasienter som er planlagt for screening, diagnostikk og overvåking av koloskopi. De kvalifiserte pasientene vil få en koloskopi fra en ekspert eller en ikke-ekspert endoskopist basert på normalfordelingen av endoskopister ved de endoskopiske enhetene.