Real Life AI i polypdetektering (RELIANT)

Nyligen har det skett anmärkningsvärda genombrott i introduktionen av tekniker för djupinlärning, särskilt konvolutionella neurala nätverk (CNN), för att hjälpa klinisk diagnos inom olika medicinska områden. En av dessa artificiell intelligens (AI) enheter för att diagnostisera kolonpolyper under koloskopi lanserades i oktober 2019. Dess avsedda användning är att fungera som ett komplement till endoskopisten under en koloskopi med syftet att framhäva regioner med visuella egenskaper som överensstämmer med olika typer av slemhinneavvikelser.

Det är viktigt att veta om algoritmer för djupinlärning verkligen kan hjälpa endoskopister under koloskopier. Flera studier har redan behandlat denna fråga med olika tillvägagångssätt och resultat. En vanlig nackdel med denna typ av maskin vs mänsklig retrospektiva studier är dock endoskopistisk partiskhet. Det genereras vanligtvis på grund av människans naturliga konkurrensanda mot maskin eller mänsklig avkoppling på grund av AI-beroende. Detta kan ha en effekt på det övergripande resultatet.

Utredarna utförde koloskopier med användning av ett kommersiellt tillgängligt AI-system för att detektera kolonpolyper och registrerade dem under klinisk rutin. Från mars 2019 - maj 2019 utfördes dessutom 120 koloskopivideor och inspelade prospektivt utan användning av AI.

I den här studien planerar utredarna att retrospektivt jämföra dessa två videouppsättningar angående polypdetekteringshastigheten, uttagstid och polyperidentifieringsegenskaper hos AI-systemet.