GastroBot: sztuczna inteligencja zastosowana do przygotowania jelita

Wstęp Rak jelita grubego (CRC) jest trzecim najczęściej występującym nowotworem, najczęstszym nowotworem przewodu pokarmowego i drugą przyczyną zgonów związanych z rakiem. (1) W ponad 80-90% przypadków CRC ma zmianę prekursorową, polip gruczolakowaty lub gruczolak, który powoli postępuje w kierunku CRC. Kolonoskopia jest uważana za złoty standard w jej profilaktyce, ponieważ pozwala wykryć i leczyć jej pierwotną postać. (2) Biorąc to pod uwagę, opisano kilka wskaźników jakości kolonoskopii, takich jak częstość intubacji jelita ślepego, czas odstawienia i częstość wykrywania gruczolaka/polipa (ADR), przy czym ostatni z nich jest najważniejszym wskaźnikiem korelującym z ryzykiem CRC. (3)

Dlatego, aby zmniejszyć częstość występowania CRC, musimy skupić się na poprawie ADR. Opisano wiele technik służących do tego celu, takich jak poprawa edukacji i szkolenia endoskopistów, przygotowywanie jelit w podzielonych dawkach, czas odstawienia >9 minut i druga projekcja prawej okrężnicy, stosowanie endoskopii w świetle białym o wysokiej rozdzielczości, widzenie Endocuff, Sztuczna inteligencja. (2, 4) Wspólną cechą wszystkich tych technik jest jednak potrzeba optymalnej wizualizacji błony śluzowej jelita, a fakt ten zależy od oczyszczenia jelita. (3,4)

Problem Szacuje się, że około 20% kolonoskopii ma nieodpowiednie przygotowanie. (5) Wiąże się to z długimi procedurami i rzadszą wykrywalnością gruczolaków, skraca odstępy między badaniami przesiewowymi oraz zwiększa koszty i ryzyko powikłań. Powoduje to frustrację pacjenta i lekarza konfliktami medyczno-prawnymi. (6) Idealna metoda oczyszczania musi być bezpieczna, dobrze tolerowana i skuteczna, jednak żadna z obecnych opcji nie spełnia tych cech. Główną przyczyną niewłaściwego oczyszczania (80% przypadków) jest nieprzestrzeganie zaleceń dotyczących przygotowania i najczęściej nietolerancja roztworu doustnego. (7,8)

Zaproponowano kilka strategii poprawy jakości przygotowania jelita. Podobnie jak w innych dziedzinach, mobilne aplikacje opieki zdrowotnej zostały opracowane w celu zwiększenia przestrzegania zaleceń dotyczących preparatów jelitowych, poprawiając jakość przygotowania jelita. Jednak zgodność z mobilnymi aplikacjami opieki zdrowotnej jest również kryterium jakości i oczekującym problemem do rozwiązania dzięki tej nowej technologii. Podobnie jak w przypadku każdej aplikacji mobilnej, aplikacje mobilnej opieki zdrowotnej muszą być kompatybilne z określonymi urządzeniami. GastroBot to nowa technologia oparta na sztucznej inteligencji, która pozwala, za pośrednictwem bota programowego, przeprowadzić spersonalizowaną obserwację oczyszczania jelit pacjenta, doradzając pacjentowi, aby przezwyciężył nieprzewidziane okoliczności, które pojawiają się w związku z preparatem, które w innych okolicznościach mogłyby prowadzić do niepowodzenie tego.

Cel Głównym celem tego badania jest określenie poprawy przygotowania jelita po zastosowaniu pomocy GastroBota w porównaniu z tradycyjnym wyjaśnieniem. Celem drugorzędnym tego badania jest również określenie wskaźników wykrywalności gruczolaków i polipów (odpowiednio ADR i PDR), tolerancji środków przygotowujących jelita oraz funkcjonalności GastroBota.

MATERIAŁY I METODY

Projekt badania Rodzaj badania. Poniżej przedstawiono przekrojową, prostą, ślepą i jednoośrodkową, randomizowaną próbę. Zostaną utworzone dwie grupy: grupa zajmująca się przygotowywaniem jelit wspomaganym przez GastroBota (grupa GB) oraz grupa zajmująca się przygotowywaniem jelita ze wspomaganiem konwencjonalnym (grupa C).

Ustawienie. Zostanie on wykonany u kolejnych pacjentów ze wskazaniami do przygotowania jelita grubego przed poddaniem się kolonoskopii z intubacją jelita ślepego w Instituto de Gastroenterología y Endoscopía de Avanzada (IGEA), Hospital de la Asociación Médica (HAM) „Dr. Felipe Glasman”, Bahía Blanca, prowincja Buenos Aires, Argentyna. Protokół badania i formularz zgody zostały zatwierdzone przez Institutional Review Board (IRB) i zostaną przeprowadzone zgodnie z deklaracją Helsińską. Pacjenci podpisują świadomą zgodę.

Interwencja Koordynator kliniczny będzie odpowiedzialny za randomizację pacjentów. Pacjenci z obu grup badawczych otrzymają ten sam rodzaj preparatu z glikolem polietylenowym w dawce podzielonej, ustalając czas przyjmowania według trzech segmentów czasowych (8-11, 23-14, 14-16). Grupa C otrzyma pisemne instrukcje bez uprzedniej spersonalizowanej porady. Grupa GB otrzyma instrukcje za pośrednictwem aplikacji WhatsApp, kierowanej przez bota programowego z wieloma spersonalizowanymi alternatywnymi instrukcjami w zależności od wyników. Endoskopista wykona endoskopię, oceniając pierwszorzędowe i drugorzędowe punkty końcowe, nie uwzględniając grupy badanej pacjenta.

Wielkość próby Biorąc pod uwagę odsetek niewystarczających BBPS (<6) w grupie aplikacji (7,7%) w porównaniu z grupą kontrolną (16,9%) opisali Walter B i in. (2021), obliczyliśmy wielkość próby 194 przypadków na grupę badaną, aby określić dwustronną różnicę w BBPS między grupą GB a grupą C z 80% mocą statystyczną.

Analiza statystyczna Charakterystyka wyjściowa zostanie porównana między grupą badaną a grupą kontrolną przy użyciu testu chi-kwadrat lub testu Fishera dla zmiennych kategorycznych, a dla zmiennych ciągłych zastosowany zostanie test Manna-Whitneya. Wartość P mniejsza niż 0,05 będzie uważana za istotną statystycznie. Cała analiza statystyczna zostanie przeprowadzona przy użyciu najnowszej dostępnej wersji programu statystycznego R (R Foundation for Statistical Computing; Wiedeń, Austria).

Ograniczenia Protokół będzie wykonywany tylko w jednym ośrodku i przez sześciu endoskopistów. To proste badanie na ślepo. Pacjenci będą wiedzieć, że używają (lub nie) nowego instrumentu do poprawy jakości przygotowania jelita.