Förbättrar AI-assisterad koloskopi adenomdetektion vid screeningkoloskopi?

Det finns flera studier som visar att AI-assisterad koloskopi kan hjälpa till att identifiera och karakterisera polyper som hittas vid koloskopi.

• Byrne et al visade att deras AI-modell för realtidsbedömning av endoskopiska videobilder av kolorektal polyp kan skilja mellan hyperplastiska diminutiva polyper vs adenomatösa polyper med känslighet på 98% och specificitet på 83% (Byrne et al. GUT 2019)
• Urban et al designade och tränade djupa CNN:er för att upptäcka polyper i arkiverad video med en ROC-kurva på 0,991 och en noggrannhet på 96,4%. Det totala antalet identifierade polyper är betydligt högre men främst i de små (1-3 mm och 4-6 mm polyper) (Urban et al. Gastroenterol 2018)
• Wang et al genomförde en öppen, icke-blind studie i följd av patienter (n=1058) som prospektivt randomiserades för att genomgå diagnostisk koloskopi med eller utan AI-hjälp. De fann att AI-systemet ökade ADR från 20,3 % till 29,1 % och det genomsnittliga antalet adenom per patient från 0,31 till 0,53. Detta berodde på ett högre antal diminutiva polyper som hittades medan det inte fanns någon statistisk skillnad i större adenom. (Wang et al. GUT 2019). I denna studie uteslöt de patienter med IBD, CRC och kolorektal kirurgi. Patienterna presenterade med symtom till sjukhus för utredning.

Hittills saknas storskalig randomiserad kontrollerad studie med hjälp av AI vid upptäckt av polyper/adenom i en screeningpopulation. Korrelationen mellan test av fekalt ockult blod (FIT eller FOBT) och fördelen med AI-assisterad koloskopi har inte undersökts. Det saknas också information om nyttan av AI-assisterad koloskopi hos erfaren koloskopist kontra praktikant/boende.