AID-studie 2: Artificiell intelligens för detektion av kolorektal adenom 2

Koloskopi används kliniskt som guldstandard för upptäckt av tjocktarmscancer (CRC) och avlägsnande av adenomatösa polyper. Trots framgången med koloskopi för att minska cancerrelaterade dödsfall, finns det en nedslående nivå av adenom som missas vid koloskopi. "Back-to-back" koloskopier har indikerat signifikanta missfrekvenser på 27 % för små adenom (< 5 mm) och 6 % för adenom med mer än 10 mm i diameter. Studier som utför både CT-kolonografi och koloskopi uppskattar att missfrekvensen vid koloskopi för polyper över 10 mm i storlek kan vara så hög som 12 %. Den kliniska betydelsen av missade lesioner bör betonas eftersom dessa lesioner i slutändan kan utvecklas till CRC.

Begränsningar i mänsklig visuell perception och andra mänskliga fördomar som trötthet, distraktion, vakenhetsnivå under undersökning ökar sådana igenkänningsfel och sätt att mildra dem kan vara nyckeln till att förbättra polypdetektering och ytterligare minskning av dödligheten från CRC. Under de senaste åren har ett antal CAD-system för detektion av polyper från endoskopibilder beskrivits. Fördelarna med traditionella CAD-tekniker inom koloskopi verkar dock vara motsägelsefulla, därför bör de förbättras för att i slutändan anses användbara. De senaste framstegen inom artificiell intelligens (AI), djupinlärning (DL) och datorseende har visat potential att hjälpa polypdetektering under koloskopi.

Genomsnittliga erfarna endoskopister (var och en har utfört <2000 screeningkoloskopier) kommer att utföra den endoskopiska proceduren.