Polypigenkänning med hjälp av ett interaktivt karaktäriseringsverktyg för enheter - PREDICT-studien (PREDICT)

Diminutiva kolorektala polyper (≤ 5 mm) representerar de flesta polyper som upptäckts under koloskopi, särskilt i ändtarmen-sigmoidkanalen. Karakteriseringen av dessa polyper genom virtuell kromoendoskopi anses vara en nyckelfaktor för innovativa bildbehandlingstekniker. Faktum är att diminutiva kolorektala polyper är mycket frekventa och, om de är lokaliserade i den rectosigmoida tjocktarmen, ger de en mycket låg risk för malignt (0,3 % av utvecklingen mot avancerat adenom och upp till 0,08 % av utvecklingen mot invasivt karcinom). Realtidskarakteriseringen skulle göra det möjligt att identifiera de lägsta riskpolyperna (hyperplastisk subtyp), att lämna dem på plats eller, om resekerade, att inte skicka dem för histologisk undersökning, vilket möjliggör en enorm besparing i sjukvårdsrelaterade kostnader.

Nyligen inrättade American Society for Gastrointestinal Endoscopy (ASGE) Technology Committee dokumentet Preservation and Incorporation of Valuable Endoscopic Innovations (PIVI), specifikt för histologisk bedömning i realtid för små kolorektala polyper, för att fastställa referenskvalitetströsklar. Två prestandastandarder har utvecklats för att vägleda användningen av avancerad bildbehandling:

1. för att diminutiva polyper ska resekeras och kasseras utan patologisk bedömning, bör endoskopisk teknologi (när den används med hög säkerhet) som används för att bestämma histologi av polyper ≤ 5 mm i storlek, i kombination med histopatologisk bedömning av polyper > 5 mm i storlek, ge en ≥ 90 % överensstämmelse i tilldelningen av övervakningsintervall efter polypektomi jämfört med beslut baserade på patologisk bedömning av alla identifierade polyper;
2. för att en teknik ska kunna användas för att styra beslutet att lämna misstänkta rektosigmoida hyperplastiska polyper ≤ 5 mm i storlek på plats (utan resektion), bör tekniken ge ≥ 90 % negativt prediktivt värde (när den används med hög tillförsikt) för adenomatös histologi .

Computer-Aided-Diagnos (CAD) är ett artificiell intelligens-baserat verktyg som skulle möjliggöra snabb och objektiv karakterisering av dessa lesioner. GI Genius CADx utvecklades för att hjälpa endoskopister i deras kliniska praxis för polyperkarakterisering.