Rozwój sztucznej inteligencji w diagnostyce polipów jelita grubego

Wykorzystanie sztucznej inteligencji w wykrywaniu wspomaganym komputerowo (CADe) do wykrywania polipów (narośli przednowotworowych) podczas kolonoskopii zyskuje coraz większe zainteresowanie i akceptację w przypadku wielu urządzeń dostępnych już na głównym rynku. Badacz wie już z pracy w innych krajach, że wykrycie większej liczby polipów skutkuje zmniejszeniem ryzyka raka jelita grubego u pacjenta poddawanego zabiegowi w latach po kolonoskopii (tj. wykryto i usunięto narośla przedrakowe). Stworzyło to podstawę krajowych programów badań przesiewowych w kierunku raka jelita grubego. Wraz ze zwiększoną wykrywalnością polipów jelita grubego rośnie potrzeba prawidłowej identyfikacji charakteru polipa, aby określić ryzyko raka jelita grubego w przypadku wykrytego polipa, a także potencjalne przyszłe ryzyko dla pacjenta. Dokładna diagnostyka polipów jest również wymagana w celu określenia prawidłowego trybu lub usunięcia – czy w ogóle wymaga to usunięcia (co prowadzi do oszczędności kosztów i zasobów w obecnych trudnych warunkach), czy możliwe jest usunięcie endoskopowe, a jeśli tak, za pomocą jakiej procedury, czy operacja jest wymagane.

Opublikowane dane wskazują, że około jedna czwarta polipów jelita grubego usuniętych chirurgicznie u pacjentów poddawanych poważnym operacjom była łagodna i dlatego można było uniknąć poważnych operacji, usuwając te polipy endoskopowo, zmniejszając ryzyko powikłań i oszczędzania narządów dla pacjenta.

Obecne techniki diagnostyki polipów obejmują wykorzystanie i interpretację specjalistycznych barwników i endoskopów powiększających, co wiąże się ze zdobywaniem wiedzy specjalistycznej, związaną z krzywą uczenia się i wydłużonym czasem procedury. Z tych powodów, mimo wprowadzenia do praktyki klinicznej, wykorzystanie takich technik jest ograniczone, a obecne metody stratyfikacji ryzyka polipów podczas kolonoskopii bez AI są nieoptymalne.

Obecne algorytmy AI (CADx) do diagnostyki polipów ograniczają się do mniejszych klasyfikacji. Obecne platformy CADx rozróżniają polipy nowotworowe i nienowotworowe, co ma ograniczoną wartość w zapewnianiu spersonalizowanego ryzyka wystąpienia raka jelita grubego u pacjenta. Opracowanie algorytmu wieloklasowego jest bardziej złożone niż klasyfikacja binarna i wymaga większych zbiorów danych szkoleniowych i walidacyjnych. Solidny algorytm CADx powinien również uwzględniać globalne dane, które można wytrenować, aby zminimalizować wprowadzenie błędu systematycznego. Z tych powodów jest to planowane międzynarodowe badanie wieloośrodkowe

Potencjalne gromadzenie danych:

Badanie to zostanie przeprowadzone obok zwykłej opieki nad pacjentem, ale będzie wymagało od personelu badawczego wprowadzenia danych do bezpiecznego internetowego formularza raportu (baza danych RECAP). Oznacza to, że uczestnicy zostaną poddani dokładnie tej samej procedurze, bez różnic i bez dodatkowych wizyt i danych, które miałyby miejsce w innym przypadku. Uczestnikami będą pacjenci, u których ze standardowych powodów zaplanowano kolonoskopię. Pacjenci będą zapraszani w zwykły sposób na kolonoskopię.

Mogą oni – jeśli to możliwe – zostać przesłani do PIS wraz z nominacją (z maksymalnie 6-tygodniowym wyprzedzeniem). Po przybyciu na oddział endoskopii podejdzie do nich członek zespołu badawczego i otrzyma kopię PIS do zapoznania się – maksymalnie na godzinę przed zabiegiem. Przed wyrażeniem pisemnej zgody na gromadzenie danych w bazie danych otrzymają oni osobiste informacje i wyjaśnienia. Ponieważ badanie nie wymaga żadnych zmian ani dodatkowych procedur, badacz uważa, że ​​wstępne podejście po przybyciu na oddział endoskopii zapewni wystarczający, odpowiedni czas na wyrażenie zgody, nawet jeśli PIS nie został wcześniej przeczytany (chociaż zostanie przesłany Jeśli to możliwe). Jedyną dodatkową przesłanką będzie zgoda na nagranie filmu (w ramach tego nie będą przekazywane żadne dane umożliwiające identyfikację pacjenta).

Po zakończeniu kolonoskopii nie będzie już żadnych dodatkowych wizyt.