GastroBot: Inteligência Artificial Aplicada ao Preparo do Intestino

Antecedentes O câncer colorretal (CCR) é o terceiro tumor mais frequente, o tumor gastrointestinal mais frequente e a segunda causa de morte relacionada ao câncer. (1) Em mais de 80-90% dos casos, o CCR apresenta uma lesão precursora, pólipo adenomatoso ou adenoma, que progride lentamente para CCR. A colonoscopia é considerada o padrão ouro na sua prevenção, pois permite a detecção e tratamento da sua forma inicial. (2) Levando isso em consideração, vários indicadores de qualidade da colonoscopia foram descritos, como taxa de intubação cecal, tempo de retirada e taxa de detecção de adenoma/pólipo (ADR), sendo este último o indicador mais importante relacionado ao risco de CCR. (3)

Portanto, para reduzir a incidência de CCR, temos que focar na melhoria das RAM. Muitas técnicas foram descritas para esse fim, como melhorar a educação e o treinamento dos endoscopistas, preparações intestinais com dosagem dividida, tempo de retirada > 9 minutos e segunda visão do cólon direito, uso de endoscopia de luz branca de alta definição, visão Endocuff, escopo G-EYE ou Inteligência artificial. (2, 4) No entanto, todas essas técnicas têm em comum a necessidade de visualização ideal da mucosa intestinal e esse fato depende da limpeza intestinal. (3,4)

Problema Estima-se que cerca de 20% das colonoscopias tenham preparo inadequado. (5) Isso está associado a procedimentos demorados e menor detecção de adenomas, reduz os intervalos de triagem e aumenta os custos e riscos de complicações. Isso causa frustração para o paciente e para o médico com conflitos médico-legais. (6) O método de limpeza ideal deve ser seguro, bem tolerado e eficaz, porém nenhuma das opções atuais atende a essas características. A principal causa da higiene inadequada (80% dos casos), é a não observância adequada das instruções de preparação e principalmente devido à intolerância à solução oral. (7,8)

Várias estratégias têm sido propostas para melhorar a qualidade do preparo intestinal. Como em outras áreas, aplicativos móveis de saúde foram desenvolvidos para aumentar a adesão aos agentes de preparo intestinal, melhorando a qualidade do preparo intestinal. No entanto, a adesão a Apps móveis de saúde é também um critério de qualidade e um problema pendente de resolução com esta nova tecnologia. Além disso, como acontece com qualquer aplicativo móvel, os aplicativos móveis de saúde devem ser compatíveis com dispositivos específicos. GastroBot é uma nova tecnologia baseada em inteligência artificial que permite, através de um software bot, realizar um acompanhamento personalizado da limpeza intestinal do paciente, aconselhando o paciente a superar as contingências que surgem com a preparação, que em outras circunstâncias podem levar a o fracasso dela.

Objetivo O objetivo principal deste estudo é determinar a melhora na preparação intestinal após a assistência do GastroBot em comparação com a explicação tradicional. Como objetivo secundário, este estudo também busca determinar as taxas de detecção de adenoma e pólipo (ADR e PDR, respectivamente), a tolerância dos agentes de preparo intestinal e a funcionalidade do GastroBot.

MATERIAIS E MÉTODOS

Desenho do estudo Tipo de estudo. O que se segue é um estudo randomizado controlado simples-cego e de centro único transversal. Dois grupos serão estabelecidos: o preparo intestinal assistido por GastroBot (grupo GB) e o preparo intestinal assistido convencional (grupo C).

Contexto. Será realizado em pacientes consecutivos com indicação de agentes de preparação intestinal antes de serem submetidos a uma colonoscopia com intubação cecal no Instituto de Gastroenterologia e Endoscopia de Avanzada (IGEA), Hospital de la Asociación Médica (HAM) "Dr. Felipe Glasman", Bahía Blanca, província de Buenos Aires, Argentina. O protocolo do estudo e o formulário de consentimento foram aprovados pelo Conselho de Revisão Institucional (IRB) e serão conduzidos de acordo com a declaração de Helsinque. Os pacientes assinarão um consentimento informado.

Intervenção Um coordenador clínico será responsável pela randomização dos pacientes. Os pacientes dos dois grupos de estudo receberão o mesmo tipo de preparação com polietilenoglicol em dose fracionada, estabelecendo-se o horário de ingestão de acordo com segmentos de três horários (8-11h, 23-14h, 14-16h). O C-group receberá as instruções por escrito sem aconselhamento personalizado prévio. O grupo GB receberá as instruções através do aplicativo WhatsApp, sendo guiado pelo bot do software com múltiplas instruções alternativas personalizadas de acordo com os resultados. O endoscopista realizará a endoscopia avaliando os desfechos primários e secundários, cego para o grupo de estudo do paciente.

Tamanho da amostra Considerando a proporção de BBPS insuficiente (<6) entre o grupo App (7,7%) vs controles (16,9%) descrito por Walter B et al (2021), calculamos um tamanho de amostra de 194 casos por grupo de estudo para determinar uma diferença bilateral no BBPS entre o grupo GB versus o grupo C com um poder estatístico de 80%.

Análise estatística As características basais serão comparadas entre os grupos caso e controle por meio do Teste Qui-quadrado ou de Fisher para variáveis ​​categóricas e, para variáveis ​​contínuas, será utilizado o Teste de Mann-Whitney. Um valor de P inferior a 0,05 será considerado estatisticamente significativo. Toda a análise estatística será realizada usando a última versão disponível do programa estatístico R (R Foundation for Statistical Computing; Viena, Áustria).

Limitações O protocolo será realizado em apenas um centro e por seis endoscopistas. É um estudo cego simples. Os pacientes saberão que estão usando (ou não) um novo instrumento para aumentar a qualidade do preparo intestinal.