Estudo Prospectivo Multicêntrico do Sistema de Avaliação de Qualidade Assistida por Inteligência Artificial para Colonoscopia

A colonoscopia é uma técnica fundamental para a detecção e diagnóstico de Doenças Gastrointestinais Inferiores. Endoscopia de alta qualidade leva a melhores resultados, no entanto, o nível de habilidade de diferentes endoscopistas é bastante diferente. A taxa de diagnóstico errado de ADENOMAS colorretais foi de 22%, a taxa de diagnóstico errado variou de 7,4% a 52,5%. Uma série de estudos mostrou que 12,1% dos pacientes não tiveram câncer durante a colonoscopia, mas foram diagnosticados com câncer colorretal (pós-colonoscopia Colorectal Cancer, PCCRC) em 5 anos, dos quais 71%-86% podem ser atribuídos à negligência do endoscopista 6, sete. Portanto, é muito importante melhorar a qualidade do exame endoscópico de rotina enquanto se expande a técnica endoscópica.

O índice de controle de qualidade do colonoscópio pode refletir o nível de operação dos médicos de endoscopia e é uma ferramenta muito importante para garantir a qualidade do colonoscópio. O exame e o feedback dos dados de controle de qualidade do endoscopista podem efetivamente melhorar a taxa de detecção de lesões e garantir o alto nível de qualidade endoscópica. É a chave para garantir a qualidade da enteroscopia apresentar o índice de controle de qualidade que pode refletir a qualidade da operação endoscopista. Barclay propôs em 2006 que havia uma correlação significativa entre o tempo de retirada da colonoscopia e a taxa de adenomas em pacientes, e seus achados foram publicados no The New England Journal of Medicine, com um fator de impacto de 70,67. Então, havia 367 artigos sobre o estudo da velocidade de retirada da enteroscopia. Aslinia fez uma análise retrospectiva da correlação entre a incidência de cegueira alcançada por enteroscopia e o prognóstico dos pacientes e propôs a incidência de cegueira alcançada como um índice de controle de qualidade para enteroscopia. Outros indicadores de controle de qualidade, como limpeza intestinal e taxa de detecção de pólipos, foram publicados em revistas internacionais de renome e incluídos nas diretrizes para regular a qualidade do trabalho diário dos médicos endoscópicos, o que tem grande significado clínico.

No entanto, apesar dos indicadores de controle de qualidade mencionados acima, os indicadores de controle de qualidade endoscópicos existentes são seriamente inadequados. De acordo com um estudo clínico multicêntrico, os indicadores atuais de controle de qualidade refletem apenas cerca de 40% da diferença nos níveis de detecção de lesões entre médicos endoscópicos. A existência desse fenômeno indicou que mais índices de controle de qualidade são necessários para refletir totalmente a qualidade dos procedimentos endoscópicos. Como um índice de controle de qualidade que reflete a preparação intestinal, a limpeza intestinal é um defeito fatal com forte subjetividade e pouca consistência entre os observadores; portanto, a colonoscopia existente precisa de indicadores de controle de qualidade objetivos e abrangentes para refletir o nível dos médicos endoscópicos, de modo a garantir a qualidade da colonoscopia.

Na última década, a inteligência artificial (IA) fez um progresso notável no campo da medicina. André Esteva usou uma rede neural profunda (DNN) para classificar o câncer de pele com precisão de nível de especialista. No campo da endoscopia digestiva, a equipe do projeto no início fez um grande avanço. Em 2018, o modelo de monitoramento do ponto cego da gastroscopia com inteligência artificial desenvolvido pela equipe do projeto reduziu significativamente o ponto cego da endoscopia em ensaios clínicos randomizados controlados, os resultados foram publicados na revista Gut com um fator de impacto de 17,94. Em 2019, o modelo de inteligência artificial da equipe para avaliar a limpeza do intestino, publicado na revista endoscopia gastrogastrotestinal com fator de impacto de 7,23, apresentou melhor precisão de imagem do que a do endoscopista na competição de computador humano. No mesmo ano, o projeto desenvolveu um modelo para monitoramento de velocidade de colonoscopia baseado no algoritmo de percepção de Hasche e um modelo para monitoramento de espelho de lâmina de colonoscopia baseado em classificação de imagem e conduziu ensaios clínicos randomizados controlados, o modelo melhorou significativamente a capacidade dos colonoscopistas de detectar lesões , O estudo foi publicado no The Lancet Gastroenterology 18 com fator de impacto de 12,87.

Com base na rica base de trabalho anterior mencionada acima, bem como na grande demanda atual no campo do controle de qualidade da enteroscopia, pretendemos validar a velocidade de saída da enteroscopia baseada em inteligência artificial, a limpeza intestinal e o modelo de lâmina de enteroscopia desenvolvido por a equipe do projeto por meio de um estudo clínico multicêntrico, para avaliar a viabilidade e precisão da qualidade da operação do médico como um índice de controle de qualidade.