Dokładność charakteryzacji w czasie rzeczywistym 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.

W ciągu ostatnich kilku lat opublikowano kilka badań z randomizacją (RCT) oceniających skuteczność wykrywania wspomaganego komputerowo w czasie rzeczywistym. Badania wykazały, że sztuczna inteligencja przyczynia się do znacznie wyższego wskaźnika wykrywania gruczolaków (ADR), w porównaniu z kolonoskopiami bez pomocy systemu AI. Pojawiły się obawy co do wydłużenia czasu kolonoskopii i zwiększonego obciążenia pracą w przypadku wdrożenia systemu AI, ponieważ zwiększone wykrywanie gruczolaków małe polipy mogą prowadzić do niepotrzebnej polipektomii.

Wraz z rozwojem systemów wspomaganej komputerowo charakteryzacji polipów (CADx) możliwe jest wykorzystanie sztucznej inteligencji do wspomagania decyzji, a nie tylko do wykrywania. Nie ma jeszcze dowodów na to, że system CADx zwiększa czułość małych polipów nowotworowych, gdy jest używany przez niebędących ekspertami endoskopistów (akredytowanych do wykonywania standardowej kolonoskopii), ale może zwiększyć zaufanie klinicystów i zwiększyć swoistość diagnostyki optycznej (Barua i wsp.) .

Drobne polipy (1-5 mm) w okrężnicy odbytniczo-esiczej można pozostawić in situ, jeśli są diagnozowane z dużą pewnością z czułością co najmniej 90% i swoistością co najmniej 80%. Aby wdrożyć strategię resekcji i wyrzucenia, akceptowalna jest czułość wynosząca co najmniej 80%. Jest to zalecane przez Europejskie Towarzystwo Endoskopii Przewodu Pokarmowego (ESGE) jako strategia mająca na celu zmniejszenie niepotrzebnego usuwania małych polipów przy znikomym ryzyku zachorowania na raka. Chociaż strategia „resect-and-discard” jest oceniana jako bezpieczna i efektywna kosztowo metoda, ważne jest, aby zachować ostrożność w przypadku zmian w prawej okrężnicy ze względu na ich potencjał złośliwości.

Niezawodne systemy CADx mogą umożliwić bardziej ukierunkowane usuwanie polipów nowotworowych, podczas gdy drobne polipy nienowotworowe mogą zostać pozostawione. Potencjalnego nadmiernego obciążenia pracą związanego z systemem CADe można by zatem teoretycznie uniknąć, dodając system CADx.

Dotychczasowe wyniki są obiecujące, co sugeruje, że kolonoskopia wspomagana sztuczną inteligencją przewyższa konwencjonalną kolonoskopię, jeśli chodzi o wykrywanie polipów i gruczolaków. Konieczne jest ciągłe doskonalenie systemów CADx w różnicowaniu patologii zmian jelita grubego oraz dodatkowe badania kliniczne oceniające potencjalną wartość systemu CADx.

Ogólnym celem tych badań jest zbadanie jakości i możliwych korzyści z pomocy sztucznej inteligencji w kolonoskopii. Miejmy nadzieję, że przyczyni się to do dokładniejszej, bezpieczniejszej i bardziej ukierunkowanej diagnostyki i leczenia pacjentów w przyszłości.

Badacze zaprojektowali badanie zapewniające jakość w celu zbadania wpływu kolonoskopii wspomaganej sztuczną inteligencją w czasie rzeczywistym za pomocą systemu CADx (GI Genius, Medtronic). To badanie „REG-093-2022” jest badaniem podrzędnym RCT „REG-092-2022”. Badacze chcą ocenić dokładność diagnostyczną systemu CADx.