Near Focus NBI-Driven Inteligência Artificial para o diagnóstico da doença do refluxo gastroesofágico

A doença do refluxo gastroesofágico (DRGE) é uma condição crônica com sintomas decorrentes do refluxo do conteúdo estomacal (Vakil et al., 2006). É dividida em quatro fenótipos: Esofagite Erosiva (EO), Doença do Refluxo Não Erosiva (NERD), Hipersensibilidade ao Refluxo (RH), Azia Funcional (FH) (Nikaki, Woodland e Sifrim, 2016). A definição desses fenótipos evoluiu com a adição de testes diagnósticos e métodos de sua interpretação, sendo o mais recente o Lyon Consensus Statement (Gyawali et al., 2018). A maioria dos pacientes que apresentam sintomas sugestivos de DRGE não apresenta lesão da mucosa observada na endoscopia (Nikaki, Woodland e Sifrim, 2016). Complicações da DRGE, como estenose péptica e esôfago de Barrett, podem ser facilmente diagnosticadas usando WLE. O diagnóstico de esofagite de refluxo com WLE de definição padrão é bem descrito na classificação de Los Angeles (LA) (Armstrong et al., 1996) e validado (Lundell et al., 1999) com LA graus C e D confirmatório de DRGE (Gyawali e outros, 2018). Além disso, demonstrou-se que o AET aumenta com a classificação de LA de A a D (Lundell et al., 1999). Existe, no entanto, apenas uma concordância interobservador modesta entre os graus LA (coeficiente Kappa 0,4), especialmente A e B. Além disso, a esofagite LA grau A é detectada em até 17,0% dos pacientes assintomáticos (Nozu e Komiyama, 2008; Zagari et al., 2008). Um diagnóstico de DRGE e decisões para cirurgia anti-refluxo não podem ser feitos com base nisso, exigindo testes de pH para confirmar DRGE.

Imagem de banda estreita

A imagem da junção gastroesofágica usando o escopo Olympus H260 de alta definição usando a classificação LA de GORD com WLE e NBI demonstrou melhora na reprodutibilidade interobservador geral quando usado em uma combinação em comparação com WLE sozinho; k 0,62 vs 0,45 (<0,05)(Lee et al., 2007). As características identificadas usando ampliação digital NBI na junção escamo-colunar em casos de EO (n=41; LA grau A e B), NERD (n=36) e controles (n=32) incluem microerosões (100% EO; 52,8% NERD; 23,3% controles), vascularização aumentada (95,1% EO; 91,7% NERD; 36,7% controles) e padrões de fossas redondas (4,9% EO; 5,6% NERD; 70% controles). O aumento da vascularização combinado com a ausência de padrão de fossa redonda distingue NERD de controles com sensibilidade e especificidade de 86,1% e 83,3%. A concordância interobservador neste estudo de centro único foi boa para aumento da vascularização (k=0,95) e microerosões (k=0,89) mas baixo para padrão de poço (k = 0,59) (Fock e outros, 2009).

As alças capilares intrapapilares (IPCLs) são capilares mucosos que surgem da veia submucosa para a papila, geralmente dispostos em forma de "ponto" regular com aproximadamente 100 micrômetros de distância (Inoue, 2001). A visualização de IPCLs esofágicos com NBI está bem documentada e forma a base de uma classificação NBI para neoplasia escamosa (Inoue et al., 2015). Mudanças na morfologia do IPCL foram propostas em pacientes sendo investigados para NERD, em particular dilatação e alongamento de IPCLs em pacientes com NERD com ampliação NBI (Kato et al., 2006).

NBI com ampliação óptica para o diagnóstico de DRGE foi avaliado em 2 estudos (Sharma et al., 2007; Lv et al., 2013). Sharma et al realizaram um teste de viabilidade com Olympus Q240Z com exame quadrático dos 5 cm distais por WLE e NBI em n=50 GORD (EO n=30; NERD n=20) e controles (n=30). Semelhante a Fock et al, a presença de microerosões e hipervascularização foi significativamente maior entre DRGE. Número IPCL e morfologia de tortuosidade, dilatação foram vistos significativamente mais em GORD versus controle. Esses achados foram consistentes na comparação independente de EO e NERD versus controles. Os limites da análise ROC para melhor sensibilidade e especificidade (respectivamente) para NERD foram máximo ipcl/campo 131 (90%, 70%), min 99 (85%, 70%) e média 117 (90%, 70%) (Sharma et al ., 2007).

Lv et al usaram o Olympus GIF-H260Z para avaliar NERD (n=40), EO (n=40), Barrett (n=40) e controles saudáveis ​​(n=40). O número de IPCL, morfologia (prolongada/dilatada/tortuosa), microerosões, padrão de fossa redonda acima ou abaixo da JEC foram registrados como características do refluxo. Diferenças significativas foram encontradas com aumento do número de IPCL, microerosões, padrões de cavidades não arredondadas abaixo da SCJ em pacientes com DRGE (NERD/EO e BE) em comparação com controles e menos microerosões em pacientes com NERD em comparação com RE (Lv et al., 2013).

A definição de NERD em todos os estudos até o momento, no entanto, é variável e amplamente baseada na avaliação dos sintomas, resposta ao IBP e ausência de lesões mucosas no exame endoscópico sem padronização usando estudos de pH.

Inteligência artificial

Até o momento, há um estudo avaliando o uso de ANNs na previsão de GORD com base em 45 variáveis, incluindo dados demográficos, histórico médico, estado de saúde e escores de sintomas. Todos os pacientes foram submetidos a OGD, estudos de pH 24 realizados naqueles sem lesão mucosa na endoscopia: 103 pacientes com DRGE (62 com esofagite de refluxo e 41 com AET>5%) en=56 pacientes com HF DRGE. A ANN demonstrou uma precisão de 100% em comparação com 78% usando análise de regressão estatística convencional (Pace et al., 2005). Embora essas sejam descobertas otimistas, a proporção de dados de treinamento e teste usados ​​não foi especificada e avaliações adicionais com conjuntos de dados maiores são claramente garantidas. Não há modelos de IA baseados em imagem para o diagnóstico de DRGE até o momento. O aprendizado de máquina com imagens endoscópicas é um caminho de grande interesse, conforme descrito na seção 1.7.7, com IPCLs como um alvo potencial, com base em estudos anteriores de NBI para o diagnóstico de DRGE. CNNs envolvendo detecção e morfologia de IPCL foram recentemente relatadas no contexto de um estudo piloto para o diagnóstico assistido por computador de câncer de células escamosas precoce do esôfago usando tecnologia de segmentação com endoscopistas especialistas em correspondência de precisão (Zhao et al., 2018). A técnica de segmentação de imagem de Adaptive Local Thresholding demonstrou ser útil na detecção de vasos em fotografias da retina, tornando-a uma técnica atraente para IPCLs (Jiang e Mojon, 2003).