Kunstig intelligensassistert koloskopi i påvisning og karakterisering av kolorektale lesjoner

Kolorektal kreft (CRC) viser for tiden, ifølge Globocan, en forekomst på 19,5 individer per 100 000 innbyggere i begge kjønn, og er den tredje vanligste kreft hos menn og den andre hos kvinner, som representerer den tredje ledende dødsårsaken hos både menn og kvinner.

I følge Globocan Registry of the World Health Organization (WHO), anslås det at CRC er den tredje vanligste typen kreft over hele verden, ansvarlig for 10%av alle nydiagnostiserte krefttilfeller, tilsvarende 1 931 590 tilfeller i 2020, foran bare av lungekreft (11,4%) og brystkreft (11,7%). CRC er den nest ledende årsaken til kreftdødelighet (9,4%; 935 173 tilfeller i 2020), etter bare lungekreft, som utgjør 18% av kreftdødsfall globalt.

I Brasil, ifølge data fra National Cancer Institute (IncA), speiler CRC den globale forekomsten, og er den nest vanligste kreften etter kjønn.

Kolonoskopi er den mest nøyaktige CRC -screeningsmetoden, med følsomhet som når 100% i påvisning av kolorektale lesjoner. I følge studier, for hver 1% økning i adenomdeteksjonshastighet, er det en reduksjon på 5% i CRC -dødelighet, og fremhever viktigheten av å utføre koloskopi for å oppdage kolorektale lesjoner, spesielt adenomer.

Følgelig, med utviklingen av teknologi, er det utviklet nye HD-endoskop med virtuell kromoskopi og bildeforstørrelse for å øke adenomdeteksjonshastigheter. Nylig har AI-assistert koloskopi fått prominens i å bidra til å forhindre CRC i noen medisinske sentre over hele verden, for eksempel i Japan.

I en multisenterstudie med 700 pasienter i 2019 ble en betydelig høyere adenomdeteksjonshastighet påvist med AI-assistert koloskopi sammenlignet med standard koloskopi (54,8% mot 40,4%). Deretter ble en randomisert, dobbeltblind klinisk studie med 1.058 pasienter utført, og sammenlignet standard koloskopi med AI-assistert koloskopi. Resultatet var en adenomdeteksjonshastighet på 29% for AI-assistert koloskopi og 20% for standard koloskopi, med forskjellen statistisk signifikant. To andre studier som sammenlignet AI-assistert koloskopi og standard koloskopi viste lignende resultater.

Når man analyserer nøyaktigheten til AI -systemer i karakterisering av kolorektale lesjoner, observeres imidlertid forskjellige resultater i litteraturen. På den ene siden rapporterer japanske studier nøyaktigheter over 90% i å karakterisere neoplastiske og ikke-neoplastiske lesjoner med kunstig intelligens, mens andre studier, som den nederlandske studien og den tyske studien, fant nøyaktigheter på henholdsvis 74,4% og 84,7%, resultatene betydelig lavere sammenlignet med de japanske studiene.

Derfor, gitt ikke bare forskjellene i resultater oppnådd av forskjellige forfattere, men også forskjellene i populasjon og mangelen på studier på AI-assistert koloskopi i utviklingsland, er målet med dette arbeidet å evaluere adenomdeteksjonshastigheten til AI-assistert koloskopi og vurdere nøyaktigheten av kunstig intelligens i karakteriserende kolorektale lesjoner.