Taxa de Detecção de Adenoma em Colonoscopia Assistida por Inteligência Artificial

O câncer colorretal (CCR) é o terceiro câncer mais comum e a segunda causa mais comum de morte relacionada ao câncer em todo o mundo. A triagem de CCR é usada para detecção e remoção de lesões pré-cancerosas antes que elas se transformem em câncer. A colonoscopia é considerada superior a outros testes de triagem e, portanto, é usada como padrão-ouro.

A colonoscopia de rastreamento está associada a um risco reduzido de morte relacionada ao CCR. Como não é possível para um endoscopista determinar com certeza a histopatologia do pólipo durante uma colonoscopia, as lesões pré-malignas detectadas devem ser removidas e enviadas para exame histológico. Vários estudos mostraram que há uma forte associação entre os achados na colonoscopia de triagem inicial e a taxa de lesões graves na colonoscopia de acompanhamento. Os fatores de risco para adenoma, adenoma avançado e câncer na colonoscopia de acompanhamento são multiplicidade, tamanho, vilosidade e displasia de alto grau dos adenomas na colonoscopia de triagem inicial.

A taxa de detecção de adenoma (ADR) é a porcentagem de exames realizados por um endoscopista, nos quais um ou mais adenomas são encontrados. Isso é amplamente aceito como o principal indicador de qualidade para cada endoscopista e colonoscopia. Há fortes evidências de que a RAM está inversamente correlacionada com a incidência de CRC de intervalo. A cada aumento de 1,0% na RAM há uma redução de 3,0% no risco de desenvolver CCR. Infelizmente, adenomas e adenomas avançados são frequentemente perdidos, e a RAM varia amplamente entre diferentes endoscopistas. Além disso, a qualidade muda ao longo do dia. Tanto o tempo de retirada quanto a RAM diminuem no final do dia, aproximadamente 20% e 7%, respectivamente. Pequenas melhorias na qualidade da colonoscopia podem ter grande importância no resultado do rastreamento do CCR.

A inteligência artificial (IA) pode reduzir a variabilidade de desempenho ao funcionar como um par de olhos virtuais adicionais, compensando erros de percepção devido à fadiga, distração e visão humana imprecisa. Nos últimos anos, foram publicados vários ensaios clínicos randomizados (RCT) investigando a eficácia da detecção assistida por computador em tempo real. Dentre estes, todos os ECRs que têm ADR como desfecho primário mostraram que o uso de IA contribui para uma ADR significativamente maior, em comparação com colonoscopias sem auxílio de um sistema de IA.

Repici et al. mostraram que a experiência do endoscopista desempenha apenas um papel menor como fator determinante. Da mesma forma, os resultados de um estudo anterior de Liu et al. indica que os sistemas CADe não são úteis apenas para endoscopistas com baixa taxa de detecção, mas também podem aumentar a ADR para endoscopistas mais experientes. Kamba et. al relata uma taxa significativamente menor de adenoma miss (AMR) para colonoscopia assistida por CADe, em comparação com uma colonoscopia convencional. Isso independe do nível de especialização do endoscopista. Outros estudos concluem que a IA provavelmente beneficiará mais os endoscopistas menos experientes. No entanto, há apenas um número limitado de estudos que investigam o impacto da IA ​​quando usada por endoscopistas menos experientes.

De acordo com um RCT recente de Wallace et al. o uso de IA pode reduzir a RAM em aproximadamente 50%, mas principalmente devido ao aumento da detecção de pequenas neoplasias planas (<10 mm). Essa diferença é um pouco maior do que em um estudo anterior, no qual a redução relativa foi de aproximadamente 35%. No entanto, neste estudo não houve diferença significativa em pólipos diminutos perdidos (<10 mm).

Em uma revisão sistemática, o tempo de retirada geral mostrou ser maior com a colonoscopia assistida por AI (AIC), em comparação com a colonoscopia convencional (CC), mas o ADR e o PDR também foram maiores. Naturalmente, tem havido preocupações sobre o tempo prolongado de colonoscopia e aumento da carga de trabalho ao implementar o sistema de IA, uma vez que o aumento da detecção de pequenos pólipos pode levar a polipectomia desnecessária. No entanto, dois RCTs recentes relatam que a ressecção desnecessária de pólipos não neoplásicos não aumentou com o uso do sistema CADe.

Os resultados até agora são promissores, sugerindo que o AIC é superior ao CC quando se trata de detecção de pólipos e adenomas. O uso rotineiro de sistemas de detecção de pólipos auxiliados por computador (CADe) pode reduzir ainda mais a incidência de CRC de intervalo, mas são necessários mais dados clínicos de grandes estudos randomizados multicêntricos para entender o impacto real da IA ​​no ambiente clínico diário.

Projetamos um RCT multicêntrico de garantia de qualidade para investigar o efeito da assistência de IA em tempo real (GI Genius, Medtronic) na taxa de detecção de adenoma (ADR) em endoscopistas experientes e menos experientes. Queremos investigar se o sistema CADe pode reduzir a variabilidade de desempenho e aumentar significativamente o ADR.

O objetivo geral desta pesquisa é investigar se o auxílio de IA na colonoscopia pode aumentar a RAM.

Este estudo prospectivo, multicêntrico, randomizado e controlado (RCT) será realizado em quatro unidades de endoscopia na região da Zelândia, Dinamarca. Essas unidades estão localizadas no Hospital Universitário da Zelândia (Køge), no Hospital Nykøbing Falster, no Hospital Holbæk e no Hospital Næstved. Todas as unidades, exceto o Hospital Næstved, estão participando do programa nacional de triagem de CRC.

Faremos a triagem de todos os pacientes agendados para triagem, diagnóstico e colonoscopia de vigilância. Os pacientes elegíveis receberão uma colonoscopia de um endoscopista especialista ou não especialista com base na distribuição normal de endoscopistas nas unidades endoscópicas.