Sztuczna inteligencja w przewidywaniu patologii polipów i klasyfikacji endoskopowej

Wstęp: Kolonoskopia z diagnostyką optyczną na podstawie wyglądu polipów może pomóc w wyborze metod leczenia endoskopowego, zmniejszyć liczbę niepotrzebnych zabiegów polipektomii i konieczności diagnostyki patologicznej tkanek oraz opracować w odpowiednim czasie strategie kontroli [1]. Takie podejście znacznie zmniejsza obciążenie ekonomiczne pacjentów i systemu opieki zdrowotnej oraz może skutecznie zmniejszyć napięcie zasobów klinicznych [2]. Do określenia typów patologicznych stosuje się różne endoskopowe metody klasyfikacji polipów, w tym wzór Pit [3], NICE [4], WASP [5] i MS [6]. Jednakże opanowanie tych metod klasyfikacji wymaga od endoskopistów przejścia intensywnego szkolenia, a ze względu na nieodłączne wady każdej metody żadna pojedyncza metoda klasyfikacji endoskopowej nie jest w stanie dokładnie zdiagnozować wszystkich typów polipów, aby spełnić wymagania diagnostyki optycznej. To ograniczenie utrudnia powszechne stosowanie diagnostyki optycznej w praktyce klinicznej [7]. W ostatnich latach nastąpił szybki rozwój zastosowania technologii sztucznej inteligencji w tej dziedzinie, zwanej diagnostyką wspomaganą komputerowo (CADx). Liczne badania prospektywne na dużą skalę wykazały, że dokładność technologii CADx w diagnostyce optycznej drobnych zmian (<5 mm) zasadniczo osiągnęła próg ustalony przez europejskie i amerykańskie towarzystwa endoskopowe w diagnostyce optycznej [8,9]. Jednakże skuteczność diagnostyczna CADx w przypadku polipów ≥ 5 mm pozostaje niejasna. Co więcej, obecne badania ograniczają się głównie do rozróżnienia gruczolaków pospolitych od polipów hiperplastycznych, niewiele uwagi poświęca się zmianom ząbkowanym, które są również zmianami przedrakowymi i postępują jeszcze szybciej, a ich ocena dla endoskopistów jest trudniejsza. Powody te uniemożliwiają szerokie zastosowanie CADx w praktyce klinicznej do dokładnej oceny typów patologicznych polipów w czasie rzeczywistym.