Wskaźnik wykrywalności gruczolaka w kolonoskopii wspomaganej sztuczną inteligencją

Rak jelita grubego (CRC) jest trzecim najczęściej występującym nowotworem i drugą najczęstszą przyczyną zgonów związanych z rakiem na świecie. Badanie przesiewowe CRC służy do wykrywania i usuwania zmian przedrakowych, zanim przekształcą się w raka. Kolonoskopia jest uważana za lepszą od innych badań przesiewowych i dlatego jest stosowana jako złoty standard.

Kolonoskopia przesiewowa wiąże się ze zmniejszonym ryzykiem zgonu związanego z CRC. Ponieważ endoskopista nie jest w stanie z całą pewnością określić histopatologii polipa podczas kolonoskopii, wykryte zmiany przednowotworowe należy usunąć i przesłać do badania histopatologicznego. W wielu badaniach wykazano, że istnieje silny związek między wynikami wstępnej kolonoskopii przesiewowej a odsetkiem poważnych zmian podczas kolonoskopii kontrolnej. Czynnikami ryzyka gruczolaka, zaawansowanego gruczolaka i raka podczas kolonoskopii kontrolnej są mnogość, wielkość, kosmkowatość i dysplazja dużego stopnia gruczolaków w początkowej przesiewowej kolonoskopii.

Współczynnik wykrywania gruczolaka (ADR) to odsetek badań wykonanych przez jednego endoskopistę, w których wykryto jeden lub więcej gruczolaków. Jest to powszechnie akceptowane jako główny wskaźnik jakości dla każdego endoskopisty i kolonoskopii. Istnieją mocne dowody na to, że ADR jest odwrotnie skorelowany z częstością występowania CRC w odstępach czasowych. Z każdym 1,0% wzrostem ADR następuje 3,0% spadek ryzyka rozwoju CRC. Niestety gruczolaki i zaawansowane gruczolaki są często pomijane, a ADR różni się znacznie u różnych endoskopistów. Również jakość zmienia się w ciągu dnia. Zarówno czas wypłaty, jak i ADR zmniejszają się do końca dnia odpowiednio o około 20% i 7%. Niewielka poprawa jakości kolonoskopii może mieć duże znaczenie dla wyników badań przesiewowych w kierunku CRC.

Sztuczna inteligencja (AI) może zmniejszyć zmienność wydajności, pracując jako para dodatkowych wirtualnych oczu, kompensując błędy percepcyjne spowodowane zmęczeniem, rozproszeniem uwagi i niedokładnym wzrokiem. W ciągu ostatnich kilku lat opublikowano kilka badań z randomizacją (RCT) oceniających skuteczność wykrywania wspomaganego komputerowo w czasie rzeczywistym. Wśród nich wszystkie RCT, w których głównym wynikiem są ADR, wykazały, że stosowanie sztucznej inteligencji przyczynia się do znacznie wyższych ADR w porównaniu z kolonoskopiami bez pomocy systemu AI.

Repici i in. wykazały, że doświadczenie endoskopisty odgrywa jedynie niewielką rolę jako czynnik determinujący. Odpowiednio, wyniki z poprzedniego badania przeprowadzonego przez Liu i in. wskazuje, że systemy CADe są nie tylko przydatne dla endoskopistów z niskim wskaźnikiem wykrywalności, ale mogą również zwiększyć ADR dla bardziej doświadczonych endoskopistów. Kamba et. wsp. donosi o istotnie niższym wskaźniku pominięć gruczolaków (AMR) w przypadku kolonoskopii wspomaganej CADe w porównaniu z konwencjonalną kolonoskopią. Jest to niezależne od poziomu wiedzy endoskopisty. Z innych badań wynika, że ​​sztuczna inteligencja prawdopodobnie przyniesie większe korzyści mniej doświadczonym endoskopistom. Jednak istnieje tylko ograniczona liczba badań dotyczących wpływu sztucznej inteligencji stosowanej przez mniej doświadczonych endoskopistów.

Według niedawnego RCT przeprowadzonego przez Wallace i in. zastosowanie sztucznej inteligencji może zmniejszyć AMR o około 50%, ale przede wszystkim dzięki zwiększonej wykrywalności małych (<10 mm) płaskich nowotworów. Różnica ta jest nieco większa niż w poprzednim badaniu, w którym względna redukcja wyniosła około 35%. Jednak w tym badaniu nie było znaczącej różnicy w pominiętych drobnych polipach (<10 mm).

W przeglądzie systematycznym wykazano, że całkowity czas odstawienia był dłuższy w przypadku kolonoskopii wspomaganej sztuczną inteligencją (AIC) w porównaniu z konwencjonalną kolonoskopią (CC), ale ADR i PDR były również wyższe. Oczywiście pojawiły się obawy co do wydłużenia czasu kolonoskopii i zwiększonego obciążenia pracą przy wdrażaniu systemu AI, ponieważ zwiększona wykrywalność małych polipów może prowadzić do niepotrzebnej polipektomii. Jednak dwa ostatnie RCT donoszą, że niepotrzebna resekcja polipów nienowotworowych nie wzrosła dzięki zastosowaniu systemu CADe.

Dotychczasowe wyniki są obiecujące, co sugeruje, że AIC przewyższa CC, jeśli chodzi o wykrywanie polipów i gruczolaków. Rutynowe stosowanie systemów wspomaganego komputerowo wykrywania polipów (CADe) może jeszcze bardziej zmniejszyć częstość występowania CRC w odstępach czasowych, ale potrzeba więcej danych klinicznych z dużych wieloośrodkowych badań z randomizacją, aby zrozumieć rzeczywisty wpływ sztucznej inteligencji na codzienne warunki kliniczne.

Zaprojektowaliśmy wieloośrodkowe RCT zapewniające jakość, aby zbadać wpływ pomocy AI w czasie rzeczywistym (GI Genius, Medtronic) na wskaźnik wykrywania gruczolaka (ADR) zarówno u doświadczonych, jak i mniej doświadczonych endoskopistów. Chcemy zbadać, czy system CADe może zmniejszyć zmienność wydajności i znacznie zwiększyć ADR.

Ogólnym celem tego badania jest zbadanie, czy pomoc sztucznej inteligencji w kolonoskopii może zwiększyć ADR.

To prospektywne, wieloośrodkowe, randomizowane badanie kontrolowane (RCT) odbędzie się w czterech oddziałach endoskopii w regionie Zelandia w Danii. Jednostki te znajdują się w Szpitalu Uniwersyteckim Zelandii (Køge), Szpitalu Nykøbing Falster, Szpitalu Holbæk i Szpitalu Næstved. Wszystkie jednostki z wyjątkiem szpitala Næstved uczestniczą w krajowym programie badań przesiewowych CRC.

Wszyscy pacjenci zakwalifikowani do kolonoskopii przesiewowej, diagnostycznej i nadzoru zostaną poddani badaniu przesiewowemu. Kwalifikujący się pacjenci otrzymają kolonoskopię od eksperta lub niespecjalisty endoskopisty w oparciu o normalny rozkład endoskopistów w jednostkach endoskopowych.