Czy sztuczna inteligencja może zmniejszyć zużycie standardowego schematu przygotowania jelit o dużej objętości wśród starszej populacji, bez uszczerbku dla jakości kolonoskopii? Międzynarodowe wieloośrodkowe, randomizowane badanie kontrolowane. (AIBP)

Kolonoskopia jest złotym standardem przesiewowym raka jelita grubego (CRC), który jest trzecim najczęstszym rakiem i drugą wiodącą przyczyną śmiertelności związanej z rakiem na całym świecie. Polypekektomia podczas badań przesiewowej kolonoskopii zmniejsza zarówno długoterminową częstość występowania, jak i śmiertelność CRC, ponieważ usuwanie gruczolakowych polipów, prekursory CRC, zapobiega rozwojowi CRC poprzez przerwanie sekwencji kancynaka gruczolakowej. Wraz ze wzrostem starszej populacji zapotrzebowanie na kolonoskopię gwałtownie rośnie z powodu wskazań do leczenia, diagnozy i nadzoru, a także szerokiego globalnego wdrożenia zorganizowanego programu badań przesiewowych CRC dla osób ≥50 lat.

Przygotowanie jelit odgrywa kluczową rolę w kolonoskopii, ponieważ wpływa bezpośrednio na dwa ważne wskaźniki jakości, które przyczyniają się do dokładności proceduralnej: szybkość intubacji (CIR) i wskaźnik wykrywania gruczolaka (ADR). Odpowiednie przygotowanie jelit jest niezbędne do całkowitej wizualizacji błony śluzowej okrężnicy i wykrywania zmian jelita grubego. Natomiast nieodpowiednie przygotowanie jelit (IBP) wiąże się z niższym CIR, dłuższym czasem proceduralnym, zwiększonym ryzykiem powikłań, wyższym wskaźnikiem braku gruczolaka i zwiększonymi kosztami opieki zdrowotnej ze względu na potrzebę wcześniejszej powtórnej kolonoskopii. Te negatywne konsekwencje stanowią znaczne obciążenie zarówno pacjentom, jak i systemowi opieki zdrowotnej. IBP jest powszechnym problemem na całym świecie, przy czym stwierdzono, że wskaźniki wahają się od 11% do 28% w populacji ogólnej poddawanej kolonoskopii i do 50% u osób starszych.

Zalecane są instrukcje przygotowania jelit. 16. Skuteczne strategie obejmują dostarczanie dodatkowych instrukcji, pomocy wizualnych, kreskówek, broszur, filmów, połączeń telefonicznych, usług krótkich wiadomości, aplikacji na smartfony i mobilnego komunikatora.

W ciągu ostatniej dekady nastąpił wykładniczy wzrost siły obliczeniowej, obniżone koszty przechowywania danych, ulepszone wyrafinowanie algorytmiczne i zwiększona dostępność elektronicznych danych zdrowotnych. Sztuczna inteligencja (AI) została powszechnie przyjęta w różnych warunkach opieki zdrowotnej, szczególnie w przypadku kolonoskopii17.

Niedawna metaanaliza stwierdziła, że ​​brązowe płynne odbytnicy są jednym z najważniejszych czynników ryzyka IBP, zwiększając szanse o ponad 4,5-krotnie 18. Niektóre nowo opracowane modele AI oparte na nerwowej sieci neuronowej (CNN), przeszkolone przy użyciu tysięcy obrazów odbytniczych, zostały zatwierdzone w randomizowanych kontrolowanych próbach (RCT) jako skuteczne narzędzia do przygotowania jelit przed kolonoskopią 19,20. W przeciwieństwie do ulepszonych instrukcji, które koncentrują się na edukacji pacjentów, te modele AI pozwalają pacjentom przewidzieć adekwatność przygotowania jelit przed kolonoskopią poprzez analizę obrazów odbytnicy.

W jednym badaniu model AI wykazał porównywalną wydajność w przewidywaniu adekwatności przygotowania jelit do standardowej praktyki (SP) samooceny przy użyciu pisemnych instrukcji z przykładami fotograficznymi (AI: 90,7% vs SP: 91,5%, p = 0,976), podczas gdy pacjenci w grupie AI osiągnęli wyższą średnią średnią skalę Boston Scal (BBP) (7,32 ± 1,46) vs 7,16 ± 1,46, p = 0,044) 19. W innym badaniu model AI osiągnął wyższy wskaźnik adekwatności przygotowania jelit (88,54% vs 65,59%, p <0,001) i wyższy średni wynik Bbps (6,74 ± 1,25 vs 5,97 ± 1,81, p <0,001) niż w SP 20. Te modele AI zostały opracowane jako aplikacje mobilne lub strony internetowe dostępne za pomocą smartfonów. W HK ogólny wskaźnik własności smartfonów gwałtownie wzrósł do 93%: 73% wśród osób w wieku ≥65 lat w porównaniu z 99% wśród osób w wieku 45-64 lat 21. Wskaźnik uczestnictwa w mediach społecznościowych wyniósł 83% w różnych grupach wiekowych, a 78% wśród osób w wieku ≥45 lat 22. System oceny przygotowania AI AI wymaga tylko od pacjentów do przyjmowania i przesyłania zdjęć ich odbytnicy, a wyniki oceny dostarczone natychmiast na tej samej stronie, co ułatwia korzystanie niż media społecznościowe. Wskazuje to na wykonalność korzystania z systemu oceny przygotowania jelit opartych na smartfonach, nawet w starszej populacji. Opiekunowie mogą pomóc starszym osobom w niskiej umiejętności cyfrowej w ocenach AI. Dla tych, którzy mieszkają samotnie, mają ograniczoną mobilność lub mają zaawansowane schorzenia, zwykłą praktyką jest przyznanie się do kolonoskopii szpitalnej. Oznacza to, że pielęgniarki oddziałowe mogą przeprowadzać oceny AI.

Chociaż dwa badania wykazały skuteczność AI w poprawie jakości przygotowania jelit, istnieje kilka ważnych luk w istniejących badaniach. Po pierwsze, jedno badanie miało stosunkowo niewielką wielkość próby około 500 pacjentów20, a oba badania przeprowadzono w jednym kraju, ograniczając uogólnienie ich wyników. Po drugie, podstawowy ADR w grupie SP w obu badaniach nie spełnił międzynarodowego poziomu odniesienia jakości wynoszącego 25%23,24. W jednym badaniu adekwatność przygotowania jelit w grupie SP wyniosła zaledwie 65,6%, a średni wynik BBPS wyniósł 5,97, z których oba były poniżej zalecanego standardowego 23,25. Po trzecie, to samo badanie pozwoliło na dawkę naprawczą 1 L oprócz podzielonego schematu PEG 3 L, jeśli ściek doodbytnicze uznano za ocenę pacjenta lub AI. W rezultacie więcej pacjentów w grupie AI zużyło łącznie 4 L PEG w porównaniu z pacjentami w Group20. Nie jest pewne, czy wzrost wskaźnika adekwatności przygotowania jelit w grupie AI był spowodowany zwiększoną dawką PEG lub wykorzystaniem AI. Po czwarte, chociaż oba badania wykazały, że AI może zwiększyć adekwatność przygotowywania jelit, nie wykazały one skuteczności zwiększania wykrywania gruczolaka podczas kolonoskopii. Wreszcie, większość pacjentów rekrutowanych w tych dwóch badaniach nie miała czynników wysokiego ryzyka dla IBP, ponieważ były one ogólnie młode, zdrowe, wolne od zaawansowanych schorzeń, i przeszła do planowych kolonoskopii ambulatoryjnej 19,20.

Chociaż istnieją różne schematy przygotowania jelit, najczęściej stosuje się PEG o dużej objętości, szczególnie w starszej populacji, ze względu na jej wysokie bezpieczeństwo i skuteczność w osiągnięciu odpowiedniej jakości przygotowania jelit 16,26,27. Starsza populacja jest również bardziej narażona na rozwój IBP18. Jednym z powodów jest to, że mają tendencję do nie lubią i słabo tolerują schematy kołka o dużej objętości o nieprzyjemnym smaku 9,27. Zatem istnieje wyraźna potrzeba poprawy akceptacji i tolerancji schematów PEG o dużej objętości w starszej populacji.

Zgodnie z naszą najlepszą wiedzą, żadne badania nie badały wykonalności i skuteczności oceny przygotowania jelit AI w zakresie zmniejszania spożycia PEG o dużej objętości przy jednoczesnym utrzymaniu adekwatności przygotowywania jelit wśród starszych populacji, które są bardziej narażone na IBP18 i wymagają standardowego PEG o dużej objętości z powodów bezpieczeństwa 16,26,26,27. Ponadto opłacalność oceny przygotowania jelit AI przed kolonoskopią nie została jeszcze zbadana. Dlatego staraliśmy się przeprowadzić na dużą skalę, międzynarodową, wieloośrodkową randomizowane kontrolowane badanie (RCT) w celu oceny klinicznej i opłacalności systemu oceny przygotowania jelit w AI w zmniejszaniu objętości konsumpcji standardowego schematu PEG o wysokiej objętości wśród starszej populacji, bez naruszenia prognozowania jelit i innych matryc jakości kolonoskopii.